| 第一章 绪论 | 第1-17页 |
| ·基于案例推理的产生背景 | 第12-13页 |
| ·基于案例推理的产生 | 第12-13页 |
| ·基于案例推理的理论背景 | 第13页 |
| ·基于案例推理的历史及其研究现状 | 第13-15页 |
| ·基于案例推理的历史简介 | 第13-14页 |
| ·基于案例推理的研究现状 | 第14-15页 |
| ·基于案例推理的特点及应用 | 第15-16页 |
| ·CBR的特点 | 第15-16页 |
| ·CBR的应用 | 第16页 |
| ·论文的主要内容及组织 | 第16-17页 |
| 第二章 CBR方法的基本原理 | 第17-26页 |
| ·CBR的理论基础 | 第17-18页 |
| ·CBR的一般过程 | 第18-19页 |
| ·案例表示和案例库 | 第19-20页 |
| ·案例的检索 | 第20-22页 |
| ·案例调整 | 第22-23页 |
| ·案例的评估和学习 | 第23页 |
| ·案例库维护 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 人工神经网络及其在CBR中的应用概述 | 第26-34页 |
| ·引言 | 第26页 |
| ·人工神经网络概述 | 第26-28页 |
| ·人工神经网络发展简史 | 第26-27页 |
| ·人工神经网络特点及应用 | 第27-28页 |
| ·人工神经网络理论基础及模型 | 第28-30页 |
| ·人工神经元模型 | 第28-29页 |
| ·人工神经网络模型分类 | 第29页 |
| ·人工神经网络学习法则 | 第29-30页 |
| ·人工神经网络适合解决的问题 | 第30页 |
| ·CBR与人工神经网络的结合 | 第30-33页 |
| ·ANN与案例相似检索 | 第30-31页 |
| ·ANN与案例库维护 | 第31-32页 |
| ·ANN与案例适配调整 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 CBR中的神经网络案例库聚类分析 | 第34-55页 |
| ·相关基本概念 | 第34-37页 |
| ·聚类分析 | 第34页 |
| ·聚类分析类型 | 第34-36页 |
| ·离群数据分析 | 第36页 |
| ·聚类分析与案例库维护 | 第36-37页 |
| ·Kohonen SOFM神经网络 | 第37-39页 |
| ·Kohonen SOFM网络结构 | 第37页 |
| ·Kohonen SOFM学习算法 | 第37-39页 |
| ·Kohonen SOFM学习算法的特点 | 第39页 |
| ·模糊Kohonen神经网络聚类 | 第39-42页 |
| ·C均值与模糊C均值方法 | 第40-41页 |
| ·模糊Kohonen聚类算法 | 第41-42页 |
| ·修剪的模糊Kohonen聚类方法 | 第42-47页 |
| ·聚类数修剪 | 第43-44页 |
| ·关于隶属度 | 第44-45页 |
| ·修剪的聚类算法 | 第45-47页 |
| ·实验与讨论 | 第47-53页 |
| ·数据预处理 | 第47-48页 |
| ·聚类后处理 | 第48-49页 |
| ·实验验证 | 第49-53页 |
| ·本章小结 | 第53-55页 |
| 第五章 基于RBF网络的案例检索及CBR中案例调整 | 第55-72页 |
| ·相似案例检索 | 第55-57页 |
| ·案例的相似性 | 第55-56页 |
| ·案例的组织与索引策略 | 第56页 |
| ·相似案例检索过程 | 第56-57页 |
| ·基于比较的案例检索模型 | 第57-59页 |
| ·基于比较的案例相似性度量方法 | 第57-59页 |
| ·基于比较的模型存在的问题 | 第59页 |
| ·径向基函数网络模型 | 第59-62页 |
| ·RBF神经元模型 | 第60页 |
| ·RBF网络结构和原理 | 第60-61页 |
| ·RBF网络的学习 | 第61-62页 |
| ·基于RBF的案例检索 | 第62-69页 |
| ·关于神经网络案例相似检索的论点 | 第62-63页 |
| ·基于RBF网络检索模型 | 第63-64页 |
| ·检索机网络案例编码方案及检索过程 | 第64-65页 |
| ·实验讨论 | 第65-69页 |
| ·CBR中案例调整讨论 | 第69-70页 |
| ·基于ANN的CBR系统框架结构 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| ·全文总结 | 第72-73页 |
| ·进一步的工作展望 | 第73-74页 |
| 参考文献 | 第74-77页 |