| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-22页 |
| ·地下装载机的重要性与发展现状 | 第11-12页 |
| ·地下装载机概述 | 第11-12页 |
| ·地下装载机在社会发展中的重要性 | 第12页 |
| ·国内外地下装载机的发展现状及趋势 | 第12-18页 |
| ·国内地下装载机的发展 | 第12-14页 |
| ·国外地下装载机发展 | 第14-18页 |
| ·产品的概念设计发展与研究现状 | 第18-19页 |
| ·概念设计的定义 | 第18页 |
| ·基于多种推理技术的概念设计的研究现状 | 第18-19页 |
| ·论文的研究内容及研究意义 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第2章 建立实例推理模型 | 第22-41页 |
| ·实例推理简介 | 第22-24页 |
| ·CBR 的起源 | 第22页 |
| ·CBR 心理学模型及其发展史 | 第22-24页 |
| ·实例推理的机制 | 第24-25页 |
| ·CBR 的实例表示 | 第25-26页 |
| ·实例库的构建 | 第26-27页 |
| ·实例库的简介 | 第26-27页 |
| ·粗糙集简介 | 第27-36页 |
| ·粗糙集概述 | 第27-28页 |
| ·粗糙集的关键定义 | 第28-32页 |
| ·属性的重要性离散化 | 第32-34页 |
| ·条件属性的约简 | 第34-36页 |
| ·实例的检索 | 第36-40页 |
| ·实例检索的策略 | 第36-37页 |
| ·实例的相似度 | 第37-39页 |
| ·近邻算法的实现 | 第39-40页 |
| ·实例的修改与保存 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第3章 支持向量机回归模型 | 第41-61页 |
| ·支持向量机的起源基础简介 | 第41-43页 |
| ·统计学理论简介 | 第41页 |
| ·基于统计理论的 VC 维与结构风险最小化 | 第41-42页 |
| ·基于数据的机器学习 | 第42-43页 |
| ·支持向量机基本原理 | 第43-50页 |
| ·支持向量分类机 | 第43-47页 |
| ·支持向量回归机 | 第47-50页 |
| ·核函数 | 第50-52页 |
| ·支持向量机的参数选择 | 第52-57页 |
| ·粒子群优化算法原理 | 第52-54页 |
| ·基于粒子群优化算法的 SVM 参数优化 | 第54-57页 |
| ·在 MATLAB 下地下装载机预测回归模型的实现 | 第57-60页 |
| ·回归模型建立过程 | 第57-58页 |
| ·MATLAB 实现模型的训练与预测 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第4章 模型的校核与验证 | 第61-87页 |
| ·特征参数的提取 | 第61-64页 |
| ·数据的离散化 | 第64-69页 |
| ·属性的约简 | 第69-78页 |
| ·基于粗糙集的实例模型验证 | 第78页 |
| ·支持向量回归模型的验证 | 第78-86页 |
| ·本章小结 | 第86-87页 |
| 第5章 原型系统的实现 | 第87-98页 |
| ·系统简介 | 第87-88页 |
| ·系统的功能 | 第87-88页 |
| ·系统开发环境 | 第88页 |
| ·系统实现的相关软件介绍 | 第88-92页 |
| ·UG 介绍 | 第89-90页 |
| ·UG 二次开发的基础知识 | 第90-91页 |
| ·UG 开发环境 | 第91-92页 |
| ·系统功能的实现运行实例 | 第92-97页 |
| ·UG 系统的开发流程 | 第92-94页 |
| ·系统可行性验证 | 第94-97页 |
| ·本章小结 | 第97-98页 |
| 结论 | 第98-99页 |
| 致谢 | 第99-100页 |
| 参考文献 | 第100-104页 |
| 作者简介 | 第104页 |
| 攻读硕士学位期间发表的论文 | 第104-105页 |