| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-13页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 课题研究的目的和意义 | 第10-11页 |
| 1.4 课题研究的内容和组织结构 | 第11-13页 |
| 第二章 置信规则库推理方法与人工蜂群算法 | 第13-20页 |
| 2.1 前言 | 第13-14页 |
| 2.2 置信规则库推理方法 | 第14-17页 |
| 2.2.1 置信规则库的表示 | 第14页 |
| 2.2.2 置信规则库推理过程 | 第14-17页 |
| 2.3 置信规则库参数学习模型 | 第17-18页 |
| 2.4 人工蜂群算法 | 第18-19页 |
| 2.5 本章结语 | 第19-20页 |
| 第三章 基于自适应扰动蜂群优化的置信规则库参数学习方法 | 第20-31页 |
| 3.1 前言 | 第20-21页 |
| 3.2 自适应扰动蜂群优化的参数学习方法 | 第21-23页 |
| 3.2.1 越界处理 | 第21-22页 |
| 3.2.2 基于自适应扰动的搜索策略 | 第22-23页 |
| 3.3 实验分析与比较 | 第23-30页 |
| 3.3.1 多极值函数实例 | 第24-27页 |
| 3.3.2 输油管道检漏实例 | 第27-30页 |
| 3.4 本章结语 | 第30-31页 |
| 第四章 置信规则库推理的二择众仓分类方法 | 第31-42页 |
| 4.1 前言 | 第31-32页 |
| 4.2 现有置信规则库推理的分类方法 | 第32-33页 |
| 4.3 基于二择众仓的置信规则库推理的分类方法 | 第33-37页 |
| 4.4 实验分析与结果对比 | 第37-41页 |
| 4.4.1 UCI公共测试集实验 | 第37-40页 |
| 4.4.2 纹理图像分类实验 | 第40-41页 |
| 4.5 本章结语 | 第41-42页 |
| 第五章 基于置信规则库推理的多属性双边匹配决策方法 | 第42-53页 |
| 5.1 前言 | 第42-43页 |
| 5.2 二部图和权匹配的相关定义及性质 | 第43-44页 |
| 5.3 匹配决策方法 | 第44-47页 |
| 5.3.1 获取边权评价信息 | 第44-45页 |
| 5.3.2 新参数训练策略 | 第45-46页 |
| 5.3.3 计算匹配度 | 第46页 |
| 5.3.4 求解匹配模型 | 第46-47页 |
| 5.4 实验分析与对比 | 第47-52页 |
| 5.4.1 实验设计 | 第47-49页 |
| 5.4.2 新参数训练方法 | 第49-50页 |
| 5.4.3 BRB规则库构建 | 第50-51页 |
| 5.4.4 实验结果对比 | 第51-52页 |
| 5.5 本章结语 | 第52-53页 |
| 第六章 结论与展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录 | 第60-62页 |
| 个人简历 | 第62-63页 |
| 在学期间的研究成果及发表的学术论文 | 第63页 |