资源网络的精化学习及应用研究
| 摘要 | 第1-9页 |
| Abstract | 第9-14页 |
| 第1章 绪论 | 第14-24页 |
| ·本论文的研究动机和意义 | 第15-17页 |
| ·机器学习的研究历程与启示 | 第17-19页 |
| ·本文的研究工作及创新点 | 第19-21页 |
| ·论文的组织结构 | 第21-24页 |
| 第2章 资源网络的语言描述模型 | 第24-44页 |
| ·引言 | 第24-25页 |
| ·资源网络的基本概念 | 第25-29页 |
| ·资源网络的定义 | 第25-27页 |
| ·资源网络的实例 | 第27-29页 |
| ·资源网络的语言描述模型 | 第29-37页 |
| ·形式语言 | 第29-33页 |
| ·形式文法 | 第33-34页 |
| ·逻辑规则文法 | 第34-37页 |
| ·资源网络的形式文法描述 | 第37-41页 |
| ·资源网络的CFG描述 | 第37-38页 |
| ·资源网络的DCG描述 | 第38-39页 |
| ·资源网络的LRG描述 | 第39-41页 |
| ·资源网络的应用案例 | 第41-42页 |
| ·小结 | 第42-44页 |
| 第3章 资源网络的概念归纳学习 | 第44-61页 |
| ·引言 | 第44页 |
| ·形式概念分析 | 第44-48页 |
| ·资源网络的模糊概念学习 | 第48-51页 |
| ·模糊形式背景 | 第48-49页 |
| ·模糊概念学习算法 | 第49-50页 |
| ·模糊概念格结构 | 第50-51页 |
| ·资源网络的实集概念学习 | 第51-55页 |
| ·实集形式背景 | 第51-52页 |
| ·实集概念学习算法 | 第52-53页 |
| ·实集概念格结构 | 第53-55页 |
| ·资源网络的粗糙概念学习 | 第55-58页 |
| ·粗糙形式背景 | 第55-56页 |
| ·粗糙概念学习算法 | 第56-57页 |
| ·粗糙概念格结构 | 第57-58页 |
| ·相关工作及实验比较 | 第58-60页 |
| ·小结 | 第60-61页 |
| 第4章 资源网络的规则归纳学习 | 第61-82页 |
| ·引言 | 第61-62页 |
| ·归纳逻辑程序 | 第62-66页 |
| ·命题规则 | 第62-64页 |
| ·一阶规则 | 第64-66页 |
| ·资源网络的一阶规则学习 | 第66-72页 |
| ·基本概念 | 第67-69页 |
| ·逆演绎的学习算法 | 第69-72页 |
| ·资源网络的规则归纳学习案例 | 第72-78页 |
| ·相关工作及实验比较 | 第78-81页 |
| ·小结 | 第81-82页 |
| 第5章 资源网络的程序进化学习 | 第82-98页 |
| ·引言 | 第82-83页 |
| ·遗传程序 | 第83-87页 |
| ·遗传程序的研究背景 | 第83页 |
| ·遗传程序的基本概念 | 第83-85页 |
| ·遗传程序的求解步骤 | 第85-87页 |
| ·资源网络的程序进化学习 | 第87-90页 |
| ·程序进化的基本概念 | 第87-89页 |
| ·程序进化学习算法 | 第89-90页 |
| ·资源网络的程序进化学习案例 | 第90-94页 |
| ·相关工作及实验比较 | 第94-96页 |
| ·小结 | 第96-98页 |
| 第6章 资源网络的精化学习及应用 | 第98-117页 |
| ·引言 | 第98-99页 |
| ·资源网络的精化学习 | 第99-102页 |
| ·精化学习的基本概念 | 第99-102页 |
| ·资源网络的精化学习算法 | 第102页 |
| ·形式概念的精化学习 | 第102-107页 |
| ·基本概念 | 第102-106页 |
| ·形式概念的精化学习算法 | 第106页 |
| ·应用案例 | 第106-107页 |
| ·一阶概念的精化学习 | 第107-113页 |
| ·基本概念 | 第107-110页 |
| ·一阶概念的精化学习算法 | 第110-111页 |
| ·应用案例 | 第111-113页 |
| ·相关工作及实验比较 | 第113-115页 |
| ·小结 | 第115-117页 |
| 第7章 结论及展望 | 第117-122页 |
| ·全文结论 | 第117-121页 |
| ·工作展望 | 第121-122页 |
| 参考文献 | 第122-127页 |
| 作者攻读博士学位期间发表的论文 | 第127-129页 |
| 作者攻读博士学位期间参与的科研项目 | 第129-130页 |
| 致谢 | 第130页 |
