基于CBR的知识发现方法研究
| 第一章 绪论 | 第1-21页 |
| ·引言 | 第12页 |
| ·知识发现的概念及内涵 | 第12-16页 |
| ·KDD的定义 | 第12-13页 |
| ·KDD的过程 | 第13-15页 |
| ·KDD的分类 | 第15-16页 |
| ·KDD的特点 | 第16页 |
| ·基于CBR的知识发现的研究现状 | 第16-19页 |
| ·基于范例推理技术 | 第16-18页 |
| ·基于CBR的知识发现的研究现状 | 第18页 |
| ·基于范例推理技术在KDD中的应用与特点 | 第18-19页 |
| ·本文的研究意义 | 第19-20页 |
| ·本文的主要工作和结构安排 | 第20-21页 |
| 第二章 基于范例推理的基本知识 | 第21-27页 |
| ·引言 | 第21页 |
| ·CBR的工作原理 | 第21-25页 |
| ·范例的表示 | 第22-23页 |
| ·范例的检索 | 第23-24页 |
| ·范例的复用 | 第24页 |
| ·范例的修正 | 第24-25页 |
| ·范例学习与记忆 | 第25页 |
| ·对CBR的评价研究 | 第25-26页 |
| ·CBR的优缺点 | 第26页 |
| ·小结 | 第26-27页 |
| 第三章 范例库上的知识发现 | 第27-37页 |
| ·引言 | 第27页 |
| ·范例库 | 第27-32页 |
| ·范例库的建立 | 第27-28页 |
| ·范例库的维护 | 第28-32页 |
| ·范例库上的知识发现 | 第32-35页 |
| ·KDC的主要步骤和目标 | 第32-33页 |
| ·KDC的主要方法和技术 | 第33-34页 |
| ·KDC与 KDD的比较 | 第34-35页 |
| ·基于知识发现技术的CBR系统框架结构 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第四章 基于CBR的知识发现算法模型 | 第37-48页 |
| ·引言 | 第37页 |
| ·相似性计算 | 第37-43页 |
| ·范例的相似度 | 第37-40页 |
| ·相似性算法与CBR的关系 | 第40-41页 |
| ·常用的相似性算法 | 第41-43页 |
| ·基于CBR的知识发现算法模型的建立 | 第43-47页 |
| ·属性权重计算模块 | 第43-45页 |
| ·相似性计算模块 | 第45-46页 |
| ·属性距离计算模块 | 第46页 |
| ·相似范例计算模块 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第五章 实证研究 | 第48-55页 |
| ·引言 | 第48页 |
| ·范例库的建立和算法模型的应用 | 第48-53页 |
| ·范例库的建立 | 第48-50页 |
| ·属性权重的计算 | 第50-51页 |
| ·相似性计算 | 第51-52页 |
| ·权重距离计算 | 第52页 |
| ·相似范例计算 | 第52-53页 |
| ·范例库对算法模型的影响 | 第53页 |
| ·评价 | 第53页 |
| ·小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·研究体会 | 第55-56页 |
| ·进一步工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61-67页 |
| 攻读硕士学位期间发表的论文 | 第67页 |
