| 第一章 决策支持系统和智能决策支持系统的概述 | 第6-14页 |
| 1.1 决策支持系统的产生与发展 | 第6-9页 |
| 1.1.1 决策支持系统的产生 | 第6-7页 |
| 1.1.2 决策支持系统的发展 | 第7-9页 |
| 1.2 智能决策支持系统的产生与发展 | 第9-14页 |
| 1.2.1 智能决策支持系统的概念与特点 | 第9-10页 |
| 1.2.2 智能决策支持系统的结构 | 第10-11页 |
| 1.2.3 智能决策支持系统的现状与发展方向 | 第11-13页 |
| 1.2.4 智能决策支持系统中仍待解决的问题 | 第13-14页 |
| 第二章 基于案例的推理技术 | 第14-22页 |
| 2.1 CBR的历史沿革 | 第14页 |
| 2.2 CBR的基本概念 | 第14-15页 |
| 2.3 CBR的工作机制 | 第15-16页 |
| 2.4 CBR的研究课题 | 第16-20页 |
| 2.4.1 案例表示 | 第16-17页 |
| 2.4.2 案例索引 | 第17-18页 |
| 2.4.3 案例组织与检索 | 第18-19页 |
| 2.4.4 案例的重用 | 第19-20页 |
| 2.4.5 案例的学习与归纳 | 第20页 |
| 2.5 CBR系统的关键技术和目前存在的问题 | 第20-22页 |
| 第三章 基于案例推理的智能决策支持系统研究 | 第22-30页 |
| 3.1 CBR的优势与不足 | 第22-23页 |
| 3.2 基于案例推理的智能决策支持系统模型 | 第23-24页 |
| 3.3 建立基于CBR的IDSS需要用到的关键技术 | 第24-30页 |
| 3.3.1 典型案例库系统 | 第24-26页 |
| 3.3.2 基于案例的集成推理模型 | 第26-27页 |
| 3.3.3 多库协同器 | 第27-28页 |
| 3.3.4 人机智能系统 | 第28-29页 |
| 3.3.5 模型库系统 | 第29-30页 |
| 第四章 基于案例推理中案例检索和案例适配修正算法的探讨 | 第30-44页 |
| 4.1 引言 | 第30页 |
| 4.2 案例组织和检索策略 | 第30-31页 |
| 4.3 传统的案例检索模型 | 第31-33页 |
| 4.4 利用粗糙集对案例特征进行约简 | 第33-36页 |
| 4.4.1 基本概念与性质 | 第33-35页 |
| 4.4.2 决策表(信息表)约简步骤 | 第35-36页 |
| 4.5 基于神经网络的CBR检索 | 第36-38页 |
| 4.5.1 BP网络构建 | 第36页 |
| 4.5.2 BP网络的训练 | 第36-38页 |
| 4.6 基于粗糙集和神经网络的CBR检索模型 | 第38-39页 |
| 4.7 基于因果模型和规则推理的案例适配算法 | 第39-44页 |
| 4.7.1 基本想法 | 第39-40页 |
| 4.7.2 综合推理机制 | 第40-41页 |
| 4.7.3 算法 | 第41-44页 |
| 第五章 总结 | 第44-46页 |
| 参考文献 | 第46-47页 |
| 致 谢 | 第47-48页 |
| 摘 要 | 第48-50页 |
| Abstract | 第50页 |