| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 概述 | 第9-16页 |
| 1．1 人工智能概述 | 第9-12页 |
| 1．1．1 人工智能的概念 | 第9页 |
| 1．1．2 人工智能技术的两个分支-人工神经网络和专家系统的发展 | 第9-12页 |
| 1．2 人工智能技术在农业方面的应用 | 第12-14页 |
| 1．3 课题的来源及研究意义 | 第14-16页 |
| 1．3．1 课题来源 | 第14页 |
| 1．3．2 课题的研究意义 | 第14-16页 |
| 2． 基于神经网络与专家系统集成的智能决策系统的结构 | 第16-29页 |
| ·专家系统的原理与运行机理 | 第16-17页 |
| 2．1．1 专家系统概念 | 第16页 |
| 2．1．2 专家系统结构： | 第16页 |
| 2．1．3 专家系统的运行机理 | 第16-17页 |
| 2．2 神经网络基本理论 | 第17-19页 |
| 2．3 专家系统与神经网络的各自特点 | 第19页 |
| 2．3．1 专家系统的特点 | 第19页 |
| 2．3．2 人工神经网络的特点 | 第19页 |
| 2．4 专家系统与神经网络的集成 | 第19-21页 |
| 2．5 基于神经网络与专家系统集成的混合系统的结构 | 第21-23页 |
| 2．6 基于神经网络与专家系统集成的混合系统的应用 | 第23-29页 |
| 2．6．1 番茄栽培智能决策系统的结构 | 第23-25页 |
| 2．6．2 番茄栽培智能决策系统的实现 | 第25-29页 |
| 3 知识库 | 第29-38页 |
| 3．1 知识获取 | 第29-30页 |
| 3．1．1 知识获取方法的分类 | 第29-30页 |
| 3．1．2 混合系统的知识获取方法 | 第30页 |
| 3．2 知识表示 | 第30-33页 |
| 3．2．1 番茄栽培智能决策系统的知识表示 | 第30-31页 |
| 3．2．2 “规则架+规则体”的知识表示策略 | 第31-33页 |
| 3．3 知识检测 | 第33-36页 |
| 3．3．1 知识的语法检查 | 第33页 |
| 3．3．2 知识库中知识的一致性和冗余性分析 | 第33-34页 |
| 3．3．3 知识库中知识的一致性和冗余性检查 | 第34-36页 |
| 3．4 知识的求精 | 第36-38页 |
| 4 推理机 | 第38-52页 |
| 4．1 推理机的基本概念 | 第38-39页 |
| 4．2 确定性理论 | 第39-44页 |
| 4．2．1 C-F模型 | 第40-43页 |
| 4．2．2 带加权因子的可信度推理 | 第43-44页 |
| 4．3 本文系统采用的不确定性推理模型 | 第44-50页 |
| 4．3．1 知识和证据不确定性的表示 | 第44-47页 |
| 4．3．2 不确定性匹配算法 | 第47页 |
| 4．3．3 组合命题不确定性的计算 | 第47-48页 |
| 4．3．4 结果不确定性的更新 | 第48页 |
| 4．3．5 结果组合算法 | 第48页 |
| 4．3．6 应用举例 | 第48-50页 |
| 4．3．7 不确定推理的步骤 | 第50页 |
| 4．4 混合系统推理机的实现 | 第50-52页 |
| 5 神经网络 | 第52-69页 |
| 5．1 神经网络应用于知识处理的基本概念 | 第52-53页 |
| 5．2 神经网络块的结构与特点 | 第53-54页 |
| 5．3 BP算法 | 第54-57页 |
| 5．4 番茄病虫害诊断神经网络块 | 第57-67页 |
| 5．4．1 番茄病虫害诊断神经网络块结构 | 第58-59页 |
| 5．4．2 番茄病虫害诊断神经网络的组建 | 第59-60页 |
| 5．4．3 番茄病虫害诊断BP神经网络在MATLAB上的实现 | 第60-67页 |
| 5．5 软件实现 | 第67-69页 |
| 结论 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 附录A：症状库 | 第75-81页 |
| 附录B：训练样本和训练轨迹图 | 第81-88页 |
| 附录C：仿真结果 | 第88-89页 |
| 附录D：作者在攻读硕士学位期间发表的论文和科研情况 | 第89页 |
