| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题的研究背景 | 第9-10页 |
| 1.2 案例推理研究现状 | 第10-12页 |
| 1.3 案例相似性度量研究现状 | 第12-15页 |
| 1.4 本文的主要工作和章节安排 | 第15-17页 |
| 第二章 案例的结构化表示及其相似性度量方法 | 第17-37页 |
| 2.1 案例的图表示 | 第17-20页 |
| 2.1.1 图与图同构 | 第17-18页 |
| 2.1.2 图的编辑距离 | 第18-19页 |
| 2.1.3 图的最优匹配 | 第19-20页 |
| 2.2 基于最大公共子图的图相似性度量 | 第20-23页 |
| 2.2.1 最大公共子图与图编辑距离相关性分析 | 第21-23页 |
| 2.2.2 基于最大公共子图的图相似性度量方法 | 第23页 |
| 2.3 基于最大团问题求解的案例相似性度量 | 第23-29页 |
| 2.3.1 最大团问题 | 第23-24页 |
| 2.3.2 图的相似性度量及其最大团求解 | 第24页 |
| 2.3.3 无序树的相似性度量及其最大团求解 | 第24-29页 |
| 2.4 排课问题的图案例表示及其案例推理求解 | 第29-36页 |
| 2.4.1 排课问题及其图案例表示 | 第29-30页 |
| 2.4.2 基于最大公共子图选择的案例检索 | 第30-32页 |
| 2.4.3 排课问题的案例推理实现 | 第32-35页 |
| 2.4.4 实验结果与分析 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 案例推理关键技术研究 | 第37-67页 |
| 3.1 案例推理模型 | 第37-45页 |
| 3.1.1 基于 4R 和 5R 的案例推理模型 | 第37-41页 |
| 3.1.2 案例推理主要环节 | 第41-45页 |
| 3.1.3 案例推理的总体框架 | 第45页 |
| 3.2 基于优化问题求解的案例推理模型 | 第45-55页 |
| 3.2.1 应用聚类方法获得案例的聚集知识 | 第47-48页 |
| 3.2.2 基于多维人工蜂群算法的案例修正 | 第48-52页 |
| 3.2.3 案例保存 | 第52页 |
| 3.2.4 实验结果分析 | 第52-55页 |
| 3.3 基于人工免疫和支持向量机相结合的案例分类 | 第55-61页 |
| 3.3.1 人工免疫与支持向量机 | 第56-58页 |
| 3.3.2 基于人工免疫的支持向量机分类算法 IImc-SVM | 第58-60页 |
| 3.3.3 实验结果与分析 | 第60-61页 |
| 3.4 基于关联规则的案例规则发现 | 第61-66页 |
| 3.4.1 关联规则发现算法 | 第61-64页 |
| 3.4.2 改进的关联规则算法 | 第64页 |
| 3.4.3 实验结果与分析 | 第64-66页 |
| 3.5 本章小结 | 第66-67页 |
| 第四章 基于最大团问题求解的案例相似性度量方法研究 | 第67-101页 |
| 4.1 局部搜索算法求解最大团问题 | 第67-84页 |
| 4.1.1 局部搜索方法的基本思想 | 第67-70页 |
| 4.1.2 邻域搜索策略 | 第70-73页 |
| 4.1.3 扰动机制 | 第73-77页 |
| 4.1.4 RLS、DLS 和 BLS 算法实验对比与分析 | 第77-84页 |
| 4.2 一种新的局部搜索算法求解最大团问题 | 第84-89页 |
| 4.2.1 基于惩罚值的 BLS 算法 | 第84-86页 |
| 4.2.2 分阶段 BLS 算法—PBLS | 第86-88页 |
| 4.2.3 实验结果与分析 | 第88-89页 |
| 4.3 最大团问题的快速进化求解算法—FGA | 第89-99页 |
| 4.3.1 FGA 算法的基本思想及流程 | 第89-90页 |
| 4.3.2 FGA 算法实现 | 第90-93页 |
| 4.3.3 实验结果及分析 | 第93-99页 |
| 4.4 本章小结 | 第99-101页 |
| 第五章 基于案例推理的网络通信告警和故障诊断 | 第101-114页 |
| 5.1 网络通信中的故障和告警 | 第101-103页 |
| 5.1.1 网络故障管理 | 第101-102页 |
| 5.1.2 故障与告警 | 第102-103页 |
| 5.1.3 告警相关性分析 | 第103页 |
| 5.2 基于案例推理的告警管理模型 | 第103-109页 |
| 5.2.1 告警案例库的构建 | 第103-108页 |
| 5.2.2 基于混合推理的故障诊断模型 | 第108-109页 |
| 5.3 基于案例推理的故障诊断 | 第109-113页 |
| 5.3.1 告警树 | 第109页 |
| 5.3.2 告警树的相似性计算 | 第109-111页 |
| 5.3.3 基于告警树的故障诊断 | 第111-113页 |
| 5.4 本章小结 | 第113-114页 |
| 第六章 总结与展望 | 第114-117页 |
| 6.1 本文工作总结 | 第114-115页 |
| 6.2 本文创新点 | 第115-116页 |
| 6.3 工作展望 | 第116-117页 |
| 参考文献 | 第117-126页 |
| 发表论文和参加科研情况说明 | 第126-127页 |
| 致谢 | 第127页 |
