| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题的背景与意义 | 第11-12页 |
| ·文档表示的发展及研究状况 | 第12-13页 |
| ·软传感器的发展及研究状况 | 第13-15页 |
| ·国外发展及研究状况 | 第13-15页 |
| ·国内发展及研究状况 | 第15页 |
| ·本文的研究目标和主要内容 | 第15-16页 |
| ·本文的主要结构 | 第16-17页 |
| 第2章 文档表示及贝叶斯网络理论框架综述 | 第17-29页 |
| ·文档表示 | 第17-24页 |
| ·文档表示的定义 | 第17页 |
| ·文档表示的流程 | 第17-18页 |
| ·特征选择算法综述 | 第18-21页 |
| ·文档表示(结构化)模型 | 第21-24页 |
| ·贝叶斯网络的理论框架 | 第24-28页 |
| ·贝叶斯网络的表示 | 第24-25页 |
| ·贝叶斯网络中的独立关系 | 第25-26页 |
| ·贝叶斯网络的结构构建 | 第26-27页 |
| ·贝叶斯网络的参数学习 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第3章 基于VSM模型改进的特征权重算法构造文档表示系统 | 第29-39页 |
| ·词的重要性度量 | 第29页 |
| ·TF-IDF权重算法 | 第29-32页 |
| ·算法的基本思想 | 第29-31页 |
| ·TF-IDF权重算法的不足 | 第31-32页 |
| ·TF-IDF权重算法改进 | 第32-34页 |
| ·信息增益的引入 | 第32-33页 |
| ·文档全局权重的引入 | 第33页 |
| ·改进的TF-IDF权重算法 | 第33-34页 |
| ·构造网络文档表示系统 | 第34-38页 |
| ·系统设计的目标 | 第34页 |
| ·网络文档表示系统的框架 | 第34-35页 |
| ·文档预处理 | 第35-36页 |
| ·特征选择与文档表示 | 第36-37页 |
| ·文档表示的性能评估 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第4章 基于贝叶斯网络的软传感器模型构建 | 第39-50页 |
| ·状态信息可靠性的概率度量 | 第39-40页 |
| ·结构化的网络文档数据分布 | 第40页 |
| ·结构化网络文档数据的分布特征 | 第40页 |
| ·结构化网络文档数据的高斯混合模型表示 | 第40页 |
| ·高斯混合模型(GMM) | 第40-44页 |
| ·高斯混合模型的表示 | 第40-41页 |
| ·高斯混合模型的参数估计 | 第41-42页 |
| ·高斯混合模型的贝叶斯网络图形化 | 第42-44页 |
| ·构建基于贝叶斯网络的软传感器模型 | 第44-48页 |
| ·基于贝叶斯网络的软传感器模型表示 | 第44-45页 |
| ·基于贝叶斯网络的软传感器模型构建 | 第45-46页 |
| ·基于贝叶斯网络的软传感器模型参数估计 | 第46-48页 |
| ·状态信息的可靠性预测 | 第48页 |
| ·小结 | 第48-50页 |
| 第5章 实验测试及结果分析 | 第50-67页 |
| ·实验环境和实验目的 | 第50页 |
| ·实验平台 | 第50页 |
| ·实验目的 | 第50页 |
| ·实验语料 | 第50-53页 |
| ·实验语料一 | 第50-51页 |
| ·实验语料二 | 第51-52页 |
| ·实验语料的分词与结构化 | 第52-53页 |
| ·实验结果及结果分析 | 第53-66页 |
| ·特征权重算法的实验结果与分析 | 第53-58页 |
| ·状态信息可靠性预测的实验结果与分析 | 第58-64页 |
| ·软传感器模型的状态信息可靠性预测应用 | 第64-66页 |
| ·小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| ·本文总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 作者在攻读硕士学位期间的成果 | 第75页 |