| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 1 绪论 | 第13-21页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 材料知识库系统的国内外研究现状 | 第14-17页 |
| 1.2.1 材料知识库系统的国外研究现状 | 第14-15页 |
| 1.2.2 材料知识库系统的国内研究现状 | 第15页 |
| 1.2.3 针对国内外研究现状的总结 | 第15-17页 |
| 1.3 研究目标 | 第17页 |
| 1.4 研究意义 | 第17-18页 |
| 1.5 本文研究的主要内容 | 第18-19页 |
| 1.5.1 航空材料中磁性材料的知识应用 | 第18-19页 |
| 1.5.2 材料知识库的结构设计 | 第19页 |
| 1.5.3 磁性材料知识库、应用平台和交互式接口设计 | 第19页 |
| 1.5.4 知识与供应链业务流程的融合 | 第19页 |
| 1.5.5 材料–信息–磁性性能一体化建模 | 第19页 |
| 1.6 本章小结 | 第19-21页 |
| 2 磁性材料的知识体系结构 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 知识的分类 | 第21-22页 |
| 2.2.1 事实知识 | 第21页 |
| 2.2.2 标准规范知识 | 第21页 |
| 2.2.3 设计实例知识 | 第21-22页 |
| 2.3 磁性材料设计知识的分类 | 第22-26页 |
| 2.3.1 金属概述 | 第22-23页 |
| 2.3.2 物理及化学性能 | 第23页 |
| 2.3.3 力学性能 | 第23-24页 |
| 2.3.4 组织结构 | 第24页 |
| 2.3.5 工艺性能及要求 | 第24-25页 |
| 2.3.6 功能考核实验 | 第25页 |
| 2.3.7 金属使用建议 | 第25-26页 |
| 2.4 磁性材料知识的表达形式 | 第26-27页 |
| 2.4.1 文本 | 第26页 |
| 2.4.2 图 | 第26页 |
| 2.4.3 表 | 第26页 |
| 2.4.4 公式 | 第26-27页 |
| 2.4.5 数据库 | 第27页 |
| 2.4.6 HTML语言 | 第27页 |
| 2.5 磁性材料设计知识的特点 | 第27-28页 |
| 2.5.1 知识表达的不确定性 | 第27-28页 |
| 2.5.2 设计知识的复杂性 | 第28页 |
| 2.5.3 设计任务的离散式 | 第28页 |
| 2.6 磁性材料设计过程中的知识体系(Dw-025烧结钕铁硼) | 第28-29页 |
| 2.6.1 Dw-025烧结钕铁硼材料的磷化 | 第29页 |
| 2.6.2 Dw-025烧结钕铁硼磁性材料磷化工艺流程 | 第29页 |
| 2.7 本章小结 | 第29-31页 |
| 3 知识的获取和知识维度的设计 | 第31-46页 |
| 3.1 引言 | 第31页 |
| 3.2 知识的获取 | 第31-33页 |
| 3.2.1 自然语言的获取 | 第31-32页 |
| 3.2.2 关键词的获取 | 第32-33页 |
| 3.2.3 潜在语义获取 | 第33页 |
| 3.3 知识的预处理 | 第33-36页 |
| 3.3.1 高频关键词矩阵的构建 | 第33-35页 |
| 3.3.2 聚类分析 | 第35-36页 |
| 3.3.3 基于匹配模式的实体关系抽取 | 第36页 |
| 3.4 知识的存储 | 第36-40页 |
| 3.4.1 Key-Value分布式系统存储 | 第36-37页 |
| 3.4.2 列存储(Hbase) | 第37页 |
| 3.4.3 文档存储(MongDB) | 第37-38页 |
| 3.4.4 图存储(Neo4J) | 第38-40页 |
| 3.5 知识的推理 | 第40页 |
| 3.6 知识维度的设计 | 第40-42页 |
| 3.6.1 知识点权重计算 | 第40-41页 |
| 3.6.2 知识的多维度模型构建 | 第41-42页 |
| 3.7 材料库语义网络的构建 | 第42-45页 |
| 3.7.1 语义网络概述 | 第42-43页 |
| 3.7.2 SNetL语法描述 | 第43页 |
| 3.7.3 语义关系构件结果 | 第43-44页 |
| 3.7.4 语义网络下的知识导航与知识应用场景 | 第44-45页 |
| 3.8 本章小结 | 第45-46页 |
| 4 知识图谱的建立与使用 | 第46-59页 |
| 4.1 引言 | 第46页 |
| 4.2 知识图谱的概念 | 第46页 |
| 4.2.1 知识图谱的定义 | 第46页 |
| 4.2.2 知识图谱的架构 | 第46页 |
| 4.3 知识图谱的构建技术 | 第46-50页 |
| 4.3.1 实体识别技术 | 第46-48页 |
| 4.3.2 知识融合技术 | 第48-49页 |
| 4.3.3 实体链接技术 | 第49-50页 |
| 4.4 磁性材料知识图谱的建立 | 第50-58页 |
| 4.4.1 磁性材料知识的获取 | 第50-53页 |
| 4.4.2 磁性材料知识的表示 | 第53-56页 |
| 4.4.3 磁性材料知识的存储 | 第56-57页 |
| 4.4.4 面向磁性材料知识图谱弹性语义的推理 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 5 知识学习与使用方法 | 第59-77页 |
| 5.1 引言 | 第59页 |
| 5.2 知识图谱的使用 | 第59-64页 |
| 5.2.1 基于知识图谱的推送系统 | 第59-64页 |
| 5.3 磁性材料-信息-磁性性能一体化建模 | 第64-73页 |
| 5.3.1 神经网络模型构建 | 第65-68页 |
| 5.3.2 神经网络训练 | 第68-69页 |
| 5.3.3 神经网络预测 | 第69页 |
| 5.3.4 神经网络预测结果分析 | 第69-72页 |
| 5.3.5 磁性材料性能评价体系结构的建立 | 第72-73页 |
| 5.4 基于知识图谱的设计流程(Dw-025烧结钕铁硼) | 第73-75页 |
| 5.4.1 产品知识管理 | 第74页 |
| 5.4.2 磁性材料设计 | 第74-75页 |
| 5.5 本章小结 | 第75-77页 |
| 6 结论 | 第77-79页 |
| 6.1 总结 | 第77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 攻读硕士学位期间发表的论文及获得的知识产权 | 第82-83页 |
| 致谢 | 第83-84页 |
