嵌入式仪表设计专家系统推理机设计与实现
第一章 绪论 | 第1-28页 |
1.1.项目背景介绍 | 第9-16页 |
1.1.1.专家系统功能概述 | 第9-10页 |
1.1.2.专家系统研究内容 | 第10-13页 |
1.1.3.专家系统整体框架 | 第13-16页 |
1.2.领域知识和相关研究 | 第16-26页 |
1.2.1.人工智能和专家系统 | 第16-19页 |
1.2.2.专家系统分类和组成 | 第19-21页 |
1.2.3.传统设计和专家系统流程比较 | 第21-23页 |
1.2.4.设计方法和推理方法的研究和发展 | 第23-26页 |
1.3.本文主要研究内容 | 第26-28页 |
第二章 专家系统推理机需求分析 | 第28-32页 |
2.1.功能需求 | 第28-30页 |
2.1.1.支持基于案例的经验型设计 | 第28页 |
2.1.2.支持基于规则的创新的设计 | 第28-29页 |
2.1.3.支持知识库扩充 | 第29页 |
2.1.4.支持系统自学习功能 | 第29-30页 |
2.2.性能需求 | 第30页 |
2.2.1.系统可拓展性 | 第30页 |
2.2.2.并行处理性能 | 第30页 |
2.2.3.响应时间 | 第30页 |
2.3.工作流程 | 第30-31页 |
2.4.本章小结 | 第31-32页 |
第三章 主要技术难题和算法研究 | 第32-51页 |
3.1.知识库建立 | 第32-38页 |
3.1.1.知识和知识库 | 第32-33页 |
3.1.2.知识库划分 | 第33页 |
3.1.3.本系统知识库 | 第33-35页 |
3.1.4.知识的表示和数据库表达 | 第35-38页 |
3.2.海量搜索收敛算法 | 第38-44页 |
3.2.1.遗传算法 | 第39-40页 |
3.2.2.神经网络 | 第40-41页 |
3.2.3.模拟退火算法 | 第41-43页 |
3.2.4.聚类存储的多级索引 | 第43-44页 |
3.2.5.算法的选择 | 第44页 |
3.3.过程中评价 | 第44-49页 |
3.3.1.常用的综合评价方法 | 第44-45页 |
3.3.2.属性权重的确定 | 第45-46页 |
3.3.3.同异反应用于案例推理 | 第46-47页 |
3.3.4.案例间相似性度量 | 第47-48页 |
3.3.5.判断对中间结果的满意度 | 第48-49页 |
3.4.决策与反馈 | 第49-50页 |
3.4.1.评估与决策 | 第49页 |
3.4.2.阖值的选择 | 第49-50页 |
3.4.3.反馈与学习 | 第50页 |
3.5.本章小结 | 第50-51页 |
第四章 推理机设计与实现 | 第51-75页 |
4.1.开发环境和运行平台 | 第51-53页 |
4.1.1.开发环境 | 第51-53页 |
4.1.2.运行平台 | 第53页 |
4.2.知识库设计 | 第53-59页 |
4.2.1.知识的表示和获取 | 第53-54页 |
4.2.2.模块库和元器件设计 | 第54-55页 |
4.2.3.仪表模型库设计 | 第55页 |
4.2.3.规则库设计 | 第55页 |
4.2.5.系统硬件资源匹配推理机制 | 第55-59页 |
4.3.推理机总体设计 | 第59-64页 |
4.3.1.模块划分 | 第59-60页 |
4.3.2.推理流程 | 第60-61页 |
4.3.3.对结果的分析 | 第61-62页 |
4.3.4.新模块的增加 | 第62页 |
4.3.5.解释机制 | 第62-63页 |
4.3.6.数据结构 | 第63-64页 |
4.4.基于规则的遗传算法推理 | 第64-69页 |
4.4.1.算法前准备 | 第64-65页 |
4.4.2.算法流程 | 第65-68页 |
4.4.3.结果的产生 | 第68页 |
4.4.4.算法的特点 | 第68-69页 |
4.5.基于案例的同异反推理 | 第69-74页 |
4.5.1.案例推理的分类 | 第69-70页 |
4.5.2.案例推理的基本过程 | 第70-71页 |
4.5.3.案例分级聚类存储和检索 | 第71页 |
4.5.4.同异反度量算法思路 | 第71-73页 |
4.5.5.算法流程 | 第73-74页 |
4.5.6.结果的产生 | 第74页 |
4.6.本章小结 | 第74-75页 |
第五章 系统运行效果 | 第75-85页 |
5.1.系统操作流程 | 第75-81页 |
5.1.1.系统框架总揽 | 第75-76页 |
5.1.2.知识库维护 | 第76-78页 |
5.1.3.仪表设计过程 | 第78-81页 |
5.2.运行效率评测 | 第81-84页 |
5.2.1.基于规则的推理效率 | 第81-83页 |
5.2.2.基于案例的推理效率 | 第83-84页 |
5.3.本章小结 | 第84-85页 |
第六章 结论与展望 | 第85-88页 |
6.1.应用前景 | 第85-86页 |
6.2.系统评价 | 第86-87页 |
6.2.改进方向 | 第87页 |
6.3.本章小结 | 第87-88页 |
参考文献 | 第88-90页 |
致谢 | 第90-91页 |
作者简介 | 第91页 |