| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·论文研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·论文主要研究内容 | 第9页 |
| ·论文研究总体思路 | 第9-10页 |
| ·论文结构 | 第10页 |
| ·论文创新点 | 第10-11页 |
| 2 基于CBR的智能决策支持系统研究 | 第11-27页 |
| ·智能决策支持系统 | 第11-14页 |
| ·决策支持系统的发展 | 第11-12页 |
| ·智能决策支持系统基本概念 | 第12页 |
| ·智能决策支持系统的结构 | 第12-13页 |
| ·智能决策支持系统中仍待解决的问题 | 第13-14页 |
| ·基于案例的推理(CBR) | 第14-20页 |
| ·CBR基本概念 | 第14-16页 |
| ·CBR实现原理 | 第16-17页 |
| ·CBR&RBR | 第17-18页 |
| ·CBR的发展方向 | 第18-20页 |
| ·基于CBR的智能决策支持系统的研究 | 第20-26页 |
| ·基于CBR的IDSS系统的优劣势分析 | 第20-22页 |
| ·基于CBR的IDSS体系结构 | 第22-23页 |
| ·基于CBR的IDSS系统的关键技术 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于CBR的智能决策支持系统设计 | 第27-37页 |
| ·案例表示与案例库的组织 | 第27-28页 |
| ·案例相似性度量 | 第28-30页 |
| ·案例间相似性度量 | 第29页 |
| ·基于几何模型的相似性度量方法 | 第29-30页 |
| ·案例检索 | 第30-34页 |
| ·归纳推理法与最近邻法的比较 | 第32-33页 |
| ·最邻近匹配算法: | 第33-34页 |
| ·CBR决策支持引擎的设计实现 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 4 基于CBR的智能决策支持系统应用实现 | 第37-47页 |
| ·基于WEB的法律咨询系统整体设计 | 第37-40页 |
| ·新案例插入模块 | 第38-39页 |
| ·客户端分析模块 | 第39页 |
| ·自动分析比较模块 | 第39-40页 |
| ·信息检索模块 | 第40页 |
| ·法律咨询系统实现技术 | 第40-43页 |
| ·表示层 | 第41-42页 |
| ·应用层 | 第42页 |
| ·数据层 | 第42-43页 |
| ·试验与讨论 | 第43-45页 |
| ·LOO交叉评价法(Leave One Out Cross Validation) | 第43-44页 |
| ·系统评估 | 第44页 |
| ·讨论 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 5 结论 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 在学期间研究成果 | 第52-53页 |
| 附录 | 第53-55页 |