摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
1 绪论 | 第18-32页 |
1.1 研究背景及意义 | 第18-21页 |
1.2 案例推理的发展历史与研究现状 | 第21-30页 |
1.2.1 案例推理方法的发展历史 | 第21-23页 |
1.2.2 案例推理方法的研究现状 | 第23-30页 |
1.3 本文的主要工作及结构安排 | 第30-32页 |
2 基于互信息、粗糙集和模糊的案例描述 | 第32-58页 |
2.1 引言 | 第32-33页 |
2.2 基于互信息、粗糙集的属性约简和模糊的属性表达 | 第33-42页 |
2.2.1 基于互信息和粗糙集的属性约简 | 第34-41页 |
2.2.2 基于模糊的属性表达 | 第41-42页 |
2.3 案例描述过程 | 第42-49页 |
2.3.1 模糊描述模式 | 第43-44页 |
2.3.2 隶属规则的产生 | 第44-45页 |
2.3.3 案例产生 | 第45-47页 |
2.3.4 隶属度规则与案例间的映射 | 第47-49页 |
2.4 仿真实验 | 第49-57页 |
2.4.1 对UCI数据的仿真实验 | 第49-51页 |
2.4.2 对转炉炼钢中吹氧量计算的仿真实验 | 第51-57页 |
2.5 总结 | 第57-58页 |
3 基于模糊C均值聚类和神经网络的案例检索 | 第58-82页 |
3.1 引言 | 第58页 |
3.2 常用的距离计算方法 | 第58-61页 |
3.2.1 加权欧式距离 | 第59-60页 |
3.2.2 Hamming距离和Levenshtein距离 | 第60页 |
3.2.3 基于文本案例的余弦系数 | 第60页 |
3.2.4 其他距离计算方法 | 第60-61页 |
3.3 基于模糊C均值聚类的子空间划分 | 第61-65页 |
3.3.1 模糊C均值算法 | 第61-62页 |
3.3.2 基于单点逼近的初始聚类中心确定 | 第62-65页 |
3.4 基于储备池网络的检索子空间选择 | 第65-71页 |
3.4.1 储备池网络 | 第65-69页 |
3.4.2 基于储备池子空间确定方法 | 第69-71页 |
3.5 基于梯度下降和神经网络的特征权值学习 | 第71-75页 |
3.5.1 神经网络的基本结构 | 第71-73页 |
3.5.2 基于梯度下降的特征权值学习 | 第73-75页 |
3.6 仿真实验 | 第75-81页 |
3.6.1 对UCI数据的仿真实验 | 第76-77页 |
3.6.2 对转炉炼钢终点温度预报的仿真实验 | 第77-81页 |
3.7 总结 | 第81-82页 |
4 基于支持向量机和混合专家系统的案例调整和重用过程 | 第82-101页 |
4.1 引言 | 第82页 |
4.2 传统的案例调整策略 | 第82-84页 |
4.3 基于支持向量机的案例调整 | 第84-88页 |
4.3.1 案例调整问题的描述 | 第84-85页 |
4.3.2 基于支持向量机的案例调整 | 第85-88页 |
4.4 基于混合专家系统的案例重用 | 第88-94页 |
4.4.1 基于混合专家系统的案例重用 | 第88-91页 |
4.4.2 基于粒子群的混合专家系统参数确定 | 第91-94页 |
4.5 仿真实验 | 第94-100页 |
4.5.1 对转炉炼钢终点碳含量预报的仿真实验 | 第94-97页 |
4.5.2 对转炉炼钢过程炉次吹氧量的仿真实验 | 第97-100页 |
4.6 总结 | 第100-101页 |
5 基于软计算案例推理方法的仿真平台测试 | 第101-114页 |
5.1 现场对象工艺和控制系统简介 | 第101-103页 |
5.1.1 工艺流程 | 第101-102页 |
5.1.2 计算机控制系统 | 第102-103页 |
5.2 转炉炼钢生产过程控制仿真平台 | 第103-111页 |
5.2.1 总体设计 | 第103-104页 |
5.2.2 转炉炼钢过程控制仿真平台子系统介绍 | 第104-111页 |
5.3 平台仿真实验 | 第111-114页 |
6 结论与展望 | 第114-116页 |
6.1 结论 | 第114页 |
6.2 创新点 | 第114-115页 |
6.3 展望 | 第115-116页 |
参考文献 | 第116-125页 |
攻读博士学位期间科研项目及科研成果 | 第125-126页 |
致谢 | 第126-127页 |
作者简介 | 第127页 |