| 摘 要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 第一章 绪论 | 第6-16页 |
| 1.1 人工智能与专家系统概述 | 第6-7页 |
| 1.2 农业专家系统的研究应用概况 | 第7-11页 |
| 1.2.1 农业专家系统在国外的应用概况 | 第8-10页 |
| 1.2.2 农业专家系统在国内的应用概况 | 第10-11页 |
| 1.3 基于案例推理的发展历史与现状 | 第11-13页 |
| 1.4 本研究背景及意义 | 第13-15页 |
| 1.5 本研究任务及其研究框架 | 第15-16页 |
| 第二章 基于案例推理的理论与方法 | 第16-24页 |
| 2.1 CBR的思想 | 第16页 |
| 2.2 CBR的方法 | 第16-21页 |
| 2.2.1 案例表示 | 第16-18页 |
| 2.2.2 案例索引 | 第18页 |
| 2.2.3 案例检索 | 第18-20页 |
| 2.2.4 案例修改 | 第20-21页 |
| 2.2.5 系统学习及案例库的维护 | 第21页 |
| 2.3 CBR的工作过程 | 第21-22页 |
| 2.4 CBR与RBR的比较 | 第22-24页 |
| 第三章 模糊聚类及其相关问题的探讨 | 第24-31页 |
| 3.1 模糊聚类的研究发展 | 第24-26页 |
| 3.2 模糊聚类算法 | 第26-27页 |
| 3.3 模糊聚类的有效性问题 | 第27-29页 |
| 3.3.1 混合F统计量 | 第28-29页 |
| 3.3.2 模糊划分熵 | 第29页 |
| 3.4 模糊聚类中加权指数1的研究 | 第29-31页 |
| 第四章 基于案例推理的砀山酥梨黑星病预测系统设计与实现 | 第31-51页 |
| 4.1 系统的设计 | 第31-43页 |
| 4.1.1 系统开发环境 | 第31页 |
| 4.1.2 系统的结构 | 第31-33页 |
| 4.1.2.1 系统的工作流程 | 第31-32页 |
| 4.1.2.2 系统的基本框架 | 第32-33页 |
| 4.1.3 实现系统的关键技术 | 第33-43页 |
| 4.1.3.1 系统的开发语言--VB | 第33-34页 |
| 4.1.3.2 案例的表示和案例库的建立 | 第34-36页 |
| 4.1.3.3 VB与案例库的数据交互 | 第36-38页 |
| 4.1.3.4 案例库的维护 | 第38页 |
| 4.1.3.5 案例的检索 | 第38-42页 |
| 4.1.3.6 案例修正与学习 | 第42-43页 |
| 4.2 系统的实现和运行 | 第43-47页 |
| 4.2.1 系统的实现 | 第43-45页 |
| 4.2.2 系统的运行 | 第45-47页 |
| 4.3 系统的验证 | 第47-51页 |
| 第五章 总结与讨论 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 讨论 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |