| 第1章 绪论 | 第1-29页 |
| ·引言 | 第11-16页 |
| ·模式识别方法分类 | 第11-14页 |
| ·存在的问题 | 第14-16页 |
| ·我们的解决方案 | 第16页 |
| ·模式识别认知模型的研究进展 | 第16-24页 |
| ·模糊模式识别 | 第16-18页 |
| ·协同模式识别 | 第18-20页 |
| ·仿生模式识别 | 第20-22页 |
| ·多分类器组合 | 第22-23页 |
| ·视觉计算模型 | 第23-24页 |
| ·基于多agent的模式识别框架APRF | 第24-27页 |
| ·APRF的基本思想 | 第24-25页 |
| ·APRF研究目标 | 第25页 |
| ·APRF研究意义 | 第25-26页 |
| ·创新点 | 第26-27页 |
| ·本文的工作及论文结构 | 第27-29页 |
| 第2章 基于角色的MAS系统动态协作模型——DCMBR | 第29-49页 |
| ·引言 | 第29页 |
| ·多agent系统 | 第29-34页 |
| ·agent的概念 | 第29-31页 |
| ·多agent系统 | 第31-32页 |
| ·多agent系统与单agent的比较 | 第32-33页 |
| ·多agent求解技术 | 第33-34页 |
| ·现有协作模型分析 | 第34-38页 |
| ·合同网模型 | 第34页 |
| ·ACTOR模型 | 第34-35页 |
| ·JAVASPACES模型 | 第35-36页 |
| ·选择协作模型 | 第36页 |
| ·Overhearing模型 | 第36-37页 |
| ·其它模型 | 第37页 |
| ·存在的问题 | 第37-38页 |
| ·基于角色的MAS系统动态协作模型——DCMBR | 第38-42页 |
| ·角色的概念 | 第38-40页 |
| ·DCMBR中的agent结构 | 第40-41页 |
| ·MAS中agent间的通信 | 第41-42页 |
| ·DCMBR工作原理 | 第42-44页 |
| ·DCMBR协作的关键技术 | 第44-48页 |
| ·任务分解和分配 | 第44-45页 |
| ·APRF协作环境 | 第45-46页 |
| ·交互策略 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第3章 APRF概述 | 第49-57页 |
| ·引言 | 第49-51页 |
| ·模式建模 | 第51-54页 |
| ·基于神经网络集成实现定量特征提取 | 第51-53页 |
| ·规则生成 | 第53-54页 |
| ·模式涌现 | 第54-56页 |
| ·涌现原理 | 第54-55页 |
| ·基于专家系统实现定性特征提取 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第4章 模式建模 | 第57-84页 |
| ·引言 | 第57页 |
| ·记忆原理 | 第57-60页 |
| ·记忆属性 | 第57-58页 |
| ·记忆模型 | 第58-59页 |
| ·联想记忆与神经网络的局限性 | 第59页 |
| ·理解式记忆 | 第59-60页 |
| ·基于知识的模式表示宏观框架 | 第60-64页 |
| ·定量特征和定性特征 | 第60-61页 |
| ·模式表示宏观框架 | 第61-62页 |
| ·定性特征提取 | 第62-64页 |
| ·基于知识的模式表示微观框架 | 第64-72页 |
| ·AIM概念 | 第64-67页 |
| ·AIM节点结构 | 第67-68页 |
| ·AIM节点状态值计算 | 第68-70页 |
| ·AIM节点分类 | 第70页 |
| ·AIM特性 | 第70-71页 |
| ·影响度学习 | 第71-72页 |
| ·AIM形成 | 第72-83页 |
| ·相关定义 | 第72-73页 |
| ·AIM结构动态改变 | 第73-74页 |
| ·AIM中的协作 | 第74-76页 |
| ·AIM稳定性 | 第76-78页 |
| ·AIM形成算法 | 第78-83页 |
| ·本章小结 | 第83-84页 |
| 第5章 模式涌现 | 第84-120页 |
| ·引言 | 第84-85页 |
| ·模式涌现 | 第85-88页 |
| ·模式涌现的特性 | 第85-86页 |
| ·还原论——涌现的基础 | 第86-87页 |
| ·涌现的实例 | 第87-88页 |
| ·模型推理 | 第88-108页 |
| ·模型推理的基本思想和一般工作过程 | 第88-90页 |
| ·模型的组织 | 第90-96页 |
| ·模型检索 | 第96-102页 |
| ·模型修正 | 第102-103页 |
| ·模型保留 | 第103-105页 |
| ·模型推理系统的实现 | 第105-108页 |
| ·特征融合 | 第108-111页 |
| ·多特征信息融合 | 第108-110页 |
| ·特征融合框架 | 第110-111页 |
| ·模式联想 | 第111-118页 |
| ·动力学分析方法特点 | 第111-112页 |
| ·基于动力学的模式联想模型 | 第112页 |
| ·模型的推导 | 第112-115页 |
| ·势函数构造 | 第115-116页 |
| ·模型的改进及实现 | 第116-118页 |
| ·本章小结 | 第118-120页 |
| 第6章 模式建模和模式涌现的集成 | 第120-127页 |
| ·引言 | 第120页 |
| ·集成策略 | 第120-123页 |
| ·神经网络和专家系统的集成 | 第120-121页 |
| ·定量计算和定性分析的集成 | 第121-123页 |
| ·agent再认识 | 第123-125页 |
| ·专业化agent | 第123页 |
| ·监督agent | 第123-124页 |
| ·背景agent | 第124-125页 |
| ·集成框架 | 第125-126页 |
| ·本章小结 | 第126-127页 |
| 第7章 APRF应用 | 第127-144页 |
| ·引言 | 第127页 |
| ·聚类分析 | 第127-134页 |
| ·问题描述 | 第127-128页 |
| ·基于agent聚类算法 | 第128-131页 |
| ·实验结果分析 | 第131-132页 |
| ·不同聚类方法评价 | 第132-134页 |
| ·对手意图的识别 | 第134-139页 |
| ·问题描述 | 第134-135页 |
| ·对手模型描述 | 第135-136页 |
| ·建立对手模型算法描述 | 第136-137页 |
| ·实验结果分析 | 第137-139页 |
| ·模式联想 | 第139-143页 |
| ·问题描述 | 第139-140页 |
| ·实验结果分析 | 第140-143页 |
| ·本章小结 | 第143-144页 |
| 第8章 结束语 | 第144-146页 |
| ·总结 | 第144-145页 |
| ·展望 | 第145-146页 |
| 参考文献 | 第146-151页 |
| 致谢 | 第151-152页 |
| 读博期间发表的论文、获奖和参与研究的课题 | 第152-153页 |