中文摘要 | 第1-3页 |
英文摘要 | 第3-8页 |
第一章 绪论 | 第8-24页 |
1.1 课题的提出及意义 | 第8-9页 |
1.2 相关技术背景与发展概况 | 第9-22页 |
1.2.1 信息系统 | 第9-10页 |
1.2.2 面向对象技术 | 第10-12页 |
1.2.3 专家系统技术 | 第12-20页 |
1.2.3.1 专家系统的定义 | 第12-14页 |
1.2.3.2 专家系统产生与发展 | 第14-15页 |
1.2.3.3 专家系统的一般结构 | 第15-17页 |
1.2.3.4 专家系统的开发工具 | 第17-19页 |
1.2.3.5 专家系统在Internet上的应用 | 第19-20页 |
1.2.4 WWW技术 | 第20-22页 |
1.3 课题研究的主要内容及其重点、难点 | 第22-24页 |
1.3.1 本课题主要内容 | 第22-23页 |
1.3.2 研究的重点与难点 | 第23-24页 |
第二章 基于Web的广义配套件选型专家系统框架 | 第24-36页 |
2.1 现代设计与知识 | 第24-25页 |
2.2 配套件的选型 | 第25-28页 |
2.2.1 国产配套件的现状 | 第25-27页 |
2.2.2 合理选用配套件 | 第27-28页 |
2.3 Internet是人工智能(Al)应用与发展的必由之路 | 第28-29页 |
2.4 基于Web的广义配套件选型ES的系统框架 | 第29-36页 |
2.4.1 基于动态Web系统的ES结构 | 第29-31页 |
2.4.2 系统的框架结构 | 第31-32页 |
2.4.3 关键问题的分析 | 第32-36页 |
2.4.3.1 配套件知识以及信息的来源 | 第32-34页 |
2.4.3.2 配套件选型 | 第34-36页 |
第三章 知识表示及推理模型 | 第36-49页 |
3.1 知识的表示方法研究 | 第36-41页 |
3.1.1 配套件知识的特点 | 第36页 |
3.1.2 现有的知识表示方法研究 | 第36-40页 |
3.1.2.1 产生式规则 | 第36-38页 |
3.1.2.2 框架表示法 | 第38-39页 |
3.1.2.3 面向对象的知识表示 | 第39-40页 |
3.1.3 集成知识表示语言 | 第40-41页 |
3.2 推理模型 | 第41-45页 |
3.2.1 推理的概念 | 第41页 |
3.2.2 推理方式及其分类 | 第41-43页 |
3.2.3 推理的控制策略 | 第43-44页 |
3.2.3.1 推理方向 | 第43-44页 |
3.2.3.2 搜索策略 | 第44页 |
3.2.3.3 求解策略 | 第44页 |
3.2.3.4 限制策略 | 第44页 |
3.2.4 模式匹配 | 第44页 |
3.2.5 冲突消解策略 | 第44-45页 |
3.3 面向对象的推理机制 | 第45-49页 |
3.3.1 面向对象的推理方法 | 第45-46页 |
3.3.2 通用、高效推理机制 | 第46-47页 |
3.3.3 推理流程 | 第47-49页 |
第四章 系统的构建 | 第49-65页 |
4.1 动态Web技术的比较 | 第49-52页 |
4.2 网络操作系统 | 第52页 |
4.3 Web服务器 | 第52-53页 |
4.4 后台数据库 | 第53-54页 |
4.5 基于Web的广义配套件选型专家系统 | 第54-58页 |
4.5.1 系统结构 | 第54页 |
4.5.2 系统实现 | 第54-58页 |
4.6 安全性问题 | 第58-65页 |
第五章 系统介绍及应用 | 第65-71页 |
5.1 系统介绍及应用 | 第65-71页 |
5.1.1 用户管理 | 第65-66页 |
5.1.2 配套件信息的获取 | 第66-67页 |
5.1.3 知识的获取 | 第67-68页 |
5.1.4 推理选型模块 | 第68-70页 |
5.1.5 辅助模块 | 第70-71页 |
第六章 总结与展望 | 第71-73页 |
6.1 研究总结 | 第71页 |
6.2 展望 | 第71-73页 |
参考文献 | 第73-77页 |
致谢 | 第77页 |