| 致谢 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| 1 绪论 | 第12-28页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·飞行器评估国内外研究现状 | 第13-14页 |
| ·专家系统国内外研究现状 | 第14-16页 |
| ·当前构建专家系统的方法综述 | 第16-20页 |
| ·约束推理 | 第17页 |
| ·定性推理 | 第17-18页 |
| ·贝叶斯网络推理 | 第18页 |
| ·人工神经网络 | 第18-19页 |
| ·模糊专家系统 | 第19-20页 |
| ·与本文相关的基本理论 | 第20-25页 |
| ·基于范例推理基本理论介绍 | 第20-22页 |
| ·产生式专家系统基本理论介绍 | 第22-24页 |
| ·飞行器评估系统基本理论 | 第24-25页 |
| ·本文所做的工作及创新点 | 第25-26页 |
| ·本文的组织结构 | 第26-28页 |
| 2 基于 MapReduce 的飞行器知识抽取技术研究 | 第28-45页 |
| ·引言 | 第28-29页 |
| ·知识获取简介 | 第28页 |
| ·引入 MapReduce 技术的必要性 | 第28-29页 |
| ·MapReduce 简介 | 第29-32页 |
| ·映射和规约 | 第29-30页 |
| ·分布式技术 | 第30页 |
| ·MapReduce 的主要应用及举例 | 第30-31页 |
| ·工作原理 | 第31-32页 |
| ·粗糙集理论 | 第32-38页 |
| ·知识与分类 | 第32页 |
| ·不可分辨关系、等价类与基本范畴 | 第32-33页 |
| ·集合的下近似集、上近似集及边界域 | 第33-34页 |
| ·信息熵和不可分辨对象 | 第34-37页 |
| ·属性重要性测度 | 第37-38页 |
| ·基于 MapReduce 的知识抽取技术 | 第38-44页 |
| ·属性重要性测度的可并行性 | 第38-39页 |
| ·算法描述 | 第39-42页 |
| ·实验 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 3 基于范例推理的顶层事实相似度研究 | 第45-77页 |
| ·典型的范例相似度计算 | 第46-52页 |
| ·枚举型属性相似度 | 第47页 |
| ·连续型属性的相似度 | 第47-48页 |
| ·曲线距离度量 | 第48-50页 |
| ·基于本体论的语义相似度 | 第50-52页 |
| ·基于权值和范例概率分布的 KNN 相似度计算模型 | 第52-57页 |
| ·KNN 算法的分类函数和隶属度函数 | 第52-54页 |
| ·KNN 算法的不足 | 第54-55页 |
| ·引入权值和范例概率分布的 KNN 算法 | 第55-57页 |
| ·基于效用值的范例库记忆算法研究 | 第57-67页 |
| ·相关工作 | 第57-58页 |
| ·记忆算法研究 | 第58-60页 |
| ·遗忘策略研究 | 第60-63页 |
| ·添加策略研究 | 第63-64页 |
| ·实验 | 第64-67页 |
| ·总结 | 第67页 |
| ·基于支持向量的范例约简算法研究 | 第67-76页 |
| ·范例的ε-边界研究 | 第68-70页 |
| ·支持向量与ε-边界的确定 | 第70-72页 |
| ·实验 | 第72-75页 |
| ·结语 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 4 飞行器评估系统产生式推理技术研究 | 第77-95页 |
| ·飞行器评估产生式推理的技术难点 | 第77-78页 |
| ·知识库技术研究 | 第78-81页 |
| ·知识的表示研究 | 第78-80页 |
| ·知识有效性和完整性检查 | 第80-81页 |
| ·不确定性的传播算法 | 第81-82页 |
| ·推理方法 | 第82-84页 |
| ·冲突消解策略 | 第84-85页 |
| ·规则匹配算法研究 | 第85-93页 |
| ·模式匹配相关概念 | 第85页 |
| ·RETE 算法介绍 | 第85-87页 |
| ·飞行器评估系统中的 RETE 算法特点 | 第87-88页 |
| ·飞行器评估中代价模型的 RETE 优化算法研究 | 第88-93页 |
| ·总结 | 第93页 |
| ·求解策略及解释机制 | 第93页 |
| ·本章小结 | 第93-95页 |
| 5 混合推理模式的飞行器评估系统实现 | 第95-108页 |
| ·评估系统的总体架构 | 第96-98页 |
| ·评估系统数据流程 | 第98页 |
| ·基于触发点的实时评估树设计 | 第98-102页 |
| ·评估项与评估树 | 第98-101页 |
| ·触发点机制 | 第101-102页 |
| ·范例推理模块设计 | 第102-105页 |
| ·.顶层事实的表示 | 第103页 |
| ·顶层事实产生过程 | 第103-105页 |
| ·产生式推理模块设计 | 第105-107页 |
| ·非顶层事实的表示 | 第105页 |
| ·规则的表示 | 第105-106页 |
| ·产生式推理机制 | 第106-107页 |
| ·本章小结 | 第107-108页 |
| 6 总结和展望 | 第108-110页 |
| 参考文献 | 第110-115页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第115-116页 |