| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 智能家居国内外研究现状 | 第11-13页 |
| 1.3 面向智能家居推理相关技术的国内外研究现状 | 第13-17页 |
| 1.3.1 确定性推理相关技术调研 | 第14-15页 |
| 1.3.2 不确定性推理相关技术调研 | 第15-17页 |
| 1.4 本文的主要内容与创新 | 第17-18页 |
| 1.4.1 主要研究内容 | 第17-18页 |
| 1.4.2 研究创新点 | 第18页 |
| 1.5 本文的结构安排 | 第18-20页 |
| 第二章 基于规则的知识表示与应用 | 第20-29页 |
| 2.1 知识表示技术研究进展 | 第20-22页 |
| 2.2 复合事件规则抽象模型 | 第22-25页 |
| 2.2.1 事件模型 | 第22-23页 |
| 2.2.2 基于事件的抽象规则模型 | 第23-25页 |
| 2.3 确定性复合事件产生式规则知识表示模型 | 第25页 |
| 2.4 面向不确定性推理的知识表示模型 | 第25-28页 |
| 2.4.1 拓展规则支持不确定性 | 第26页 |
| 2.4.2 规则的处理操作 | 第26-27页 |
| 2.4.3 确信因子的概率解释 | 第27-28页 |
| 2.4.4 在复杂领域中使用确信因子模型存在的问题 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 面向不确定性知识表示的推理模型与算法 | 第29-56页 |
| 3.1 基于不确定性规则的推理模型定义 | 第29-38页 |
| 3.1.1 推理网络构建结构定义 | 第29-32页 |
| 3.1.2 推理网络推理基本类型 | 第32-34页 |
| 3.1.3 推理网络基本推理方法定义 | 第34-38页 |
| 3.2 推理网络构建方法 | 第38-45页 |
| 3.2.1 从确信因子到贝叶斯网络 | 第38-39页 |
| 3.2.2 加强后的规则 | 第39页 |
| 3.2.3 推导余留证据 | 第39-40页 |
| 3.2.4 基于规则的贝叶斯推理网络构建 | 第40-45页 |
| 3.3 基于概率表示的不确定性推理方法 | 第45-55页 |
| 3.3.1 精确推理算法 | 第45-53页 |
| 3.3.2 近似推理算法 | 第53-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第四章 基于不确定性规则推理的智能家居原型系统 | 第56-76页 |
| 4.1 依托项目介绍 | 第56-58页 |
| 4.2 基于不确定性规则的推理系统的设计需求 | 第58-61页 |
| 4.3 原型系统软件详细设计 | 第61-75页 |
| 4.3.1 界面设计 | 第61-65页 |
| 4.3.2 架构设计 | 第65-70页 |
| 4.3.3 系统流程设计 | 第70-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第五章 仿真结果与分析 | 第76-86页 |
| 5.1 场景设计 | 第76-78页 |
| 5.2 数据存储与表示设计 | 第78-81页 |
| 5.3 仿真结果 | 第81-85页 |
| 5.4 本章小结 | 第85-86页 |
| 第六章 全文总结与展望 | 第86-88页 |
| 6.1 全文总结 | 第86页 |
| 6.2 后续工作展望 | 第86-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-92页 |
| 攻读硕士学位期间取得的成果 | 第92-93页 |