| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 决策支持系统分类 | 第13-14页 |
| 1.4 基于知识推理的决策支持系统 | 第14-16页 |
| 1.5 论文的主要工作 | 第16-17页 |
| 1.6 本章小结 | 第17-18页 |
| 2 归纳逻辑程序设计 | 第18-23页 |
| 2.1 定义 | 第18-19页 |
| 2.2 搜索方法 | 第19-21页 |
| 2.2.1 FOIL | 第19-20页 |
| 2.2.2 Progol | 第20-21页 |
| 2.3 噪音处理机制 | 第21页 |
| 2.4 规则优化 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 马尔科夫逻辑网 | 第23-32页 |
| 3.1 定义 | 第23-25页 |
| 3.1.1 Markov网 | 第23页 |
| 3.1.2 一阶谓词知识库 | 第23-24页 |
| 3.1.3 Markov逻辑网 | 第24-25页 |
| 3.2 结构学习 | 第25页 |
| 3.3 推理 | 第25-28页 |
| 3.3.1 最大可能性问题 | 第25-27页 |
| 3.3.2 边缘概率和条件概率 | 第27-28页 |
| 3.4 参数学习 | 第28-31页 |
| 3.4.1 Voted Perceptron算法 | 第28-29页 |
| 3.4.2 Contrastive Divergence算法 | 第29页 |
| 3.4.3 Diagonal Newton算法 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 基于知识推理的中医临床诊断决策支持方法 | 第32-47页 |
| 4.1 研究思路 | 第32页 |
| 4.2 基于ILP的规则学习 | 第32-37页 |
| 4.2.1 基于相似证候的规则学习方法 | 第34-36页 |
| 4.2.2 基于临床术语本体树的规则学习方法 | 第36-37页 |
| 4.3 权重学习 | 第37-38页 |
| 4.4 推理 | 第38-43页 |
| 4.4.1 MC-SAT | 第38-39页 |
| 4.4.2 语义相似度计算 | 第39-43页 |
| 4.5 评价指标 | 第43-44页 |
| 4.5.1 AUC | 第43页 |
| 4.5.2 精确度 | 第43-44页 |
| 4.5.3 排序分 | 第44页 |
| 4.6 实验比较分析 | 第44-46页 |
| 4.7 本章小结 | 第46-47页 |
| 5 知识推理和案例推理相结合的中医临床诊疗决策支持应用 | 第47-53页 |
| 5.1 应用研究思路 | 第47-48页 |
| 5.2 数据概况 | 第48-50页 |
| 5.3 实验结果 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 6 结论与展望 | 第53-55页 |
| 6.1 研究工作总结 | 第53页 |
| 6.2 今后工作展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第58-60页 |
| 学位论文数据集 | 第60页 |