| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-22页 |
| ·研究背景 | 第11-14页 |
| ·问题的提出 | 第14-15页 |
| ·研究现状 | 第15-19页 |
| ·国内研究现状 | 第15-18页 |
| ·国外研究现状 | 第18-19页 |
| ·研究意义 | 第19-20页 |
| ·研究思路及研究内容 | 第20-22页 |
| 第二章 CBR 与ANN 及其集成 | 第22-39页 |
| ·引言 | 第22页 |
| ·基于案例推理 | 第22-24页 |
| ·人工神经网络 | 第24-25页 |
| ·IBL 与CBR 及ANN 之间的联系 | 第25-28页 |
| ·CBR 系统设计中的神经网络方法 | 第28-35页 |
| ·基本模型结构 | 第28-33页 |
| ·案例索引及案例检索 | 第33-34页 |
| ·CBR 与 ANN 的集成系统 | 第34-35页 |
| ·CBR 与ANN 集成的其它研究方向 | 第35-38页 |
| ·模糊神经网络 | 第35-36页 |
| ·径向基函数神经网络 | 第36-37页 |
| ·竞争学习神经网络 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第三章 CBR-ANN 模型设计框架与IDSS 设计框架 | 第39-47页 |
| ·引言 | 第39页 |
| ·CBR-ANN 模型的设计框架 | 第39-41页 |
| ·IDSS 的设计框架及一般系统结构 | 第41-46页 |
| ·决策问题与 IDSS | 第41-42页 |
| ·IDSS 的设计框架 | 第42-44页 |
| ·IDSS 一般系统结构 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 CBR-ANN 智能决策支持模型与方法 | 第47-95页 |
| ·CBR-ANN 智能决策支持系统结构 | 第47-48页 |
| ·案例表达、存储及标准化 | 第48-58页 |
| ·案例表达 | 第48-52页 |
| ·案例存储 | 第52-57页 |
| ·案例属性标准化 | 第57-58页 |
| ·CBR-ANN 智能决策支持模型的知识表示 | 第58-64页 |
| ·产生式表示法 | 第59页 |
| ·语义网络表示法 | 第59-60页 |
| ·逻辑表示法 | 第60-61页 |
| ·基于粗集的知识表示与知识获取 | 第61-64页 |
| ·案例相似性测度 | 第64-71页 |
| ·属性相似性测度 | 第64-66页 |
| ·案例相似性测度 | 第66-71页 |
| ·案例索引与检索 | 第71-78页 |
| ·基于优势案例的索引 | 第71-72页 |
| ·M(R)案例检索 | 第72-74页 |
| ·ANN 案例检索 | 第74-78页 |
| ·案例推理 | 第78-87页 |
| ·M(A)案例推理 | 第79-81页 |
| ·基于 ANN 的案例推理 | 第81-87页 |
| ·系统决策方法 | 第87-90页 |
| ·系统推荐方法 | 第90-91页 |
| ·案例保留与学习 | 第91-93页 |
| ·本章小结 | 第93-95页 |
| 第五章 CBR-ANN 智能决策支持模型与方法的应用 | 第95-114页 |
| ·应用背景 | 第95-98页 |
| ·CFW 防治的CBR 智能决策支持系统性能分析 | 第98-109页 |
| ·CBR 系统结构 | 第98页 |
| ·CFW 防治智能决策支持原理 | 第98-103页 |
| ·应用分析 | 第103-105页 |
| ·系统实例 | 第105-109页 |
| ·基于CBR-ANN 的CFW 防治智能决策支持方法应用分析 | 第109-113页 |
| ·CBR 与 ART-KNN 集成的智能决策支持系统原理 | 第109-112页 |
| ·实验应用与结果分析 | 第112-113页 |
| ·本章小结 | 第113-114页 |
| 结论 | 第114-117页 |
| 1. 主要结论 | 第114-115页 |
| 2. 创新成果 | 第115-116页 |
| 3. 研究展望 | 第116-117页 |
| 参考文献 | 第117-126页 |
| 攻读博士学位期间取得的研究成果 | 第126-127页 |
| 致谢 | 第127页 |
