| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究的背景及意义 | 第9-10页 |
| ·国外研究现状 | 第10页 |
| ·国内研究现状 | 第10-11页 |
| ·本文研究内容 | 第11-12页 |
| ·论文的组织 | 第12-13页 |
| 第二章 领域知识不确定性推理研究概述 | 第13-25页 |
| ·领域知识与本体论概述 | 第13-15页 |
| ·本体的定义 | 第13页 |
| ·本体的分类 | 第13-14页 |
| ·领域知识与本体 | 第14-15页 |
| ·不确定性推理 | 第15-17页 |
| ·不确定性 | 第15-16页 |
| ·不确定性推理方法 | 第16-17页 |
| ·条件事件代数(CEA) | 第17-19页 |
| ·引言 | 第17页 |
| ·条件事件代数的定义 | 第17-18页 |
| ·几种条件事件代数 | 第18-19页 |
| ·贝叶斯网络(BN) | 第19-20页 |
| ·贝叶斯网络的定义 | 第19页 |
| ·贝叶斯网络的特点 | 第19-20页 |
| ·BN与CEA的结合推理 | 第20-21页 |
| ·领域知识网络结构分析 | 第21-24页 |
| ·网状结构到树状结构 | 第21-22页 |
| ·树状结构到单分支树状结构 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 领域知识的组织及贝叶斯网的生成 | 第25-39页 |
| ·领域本体的构建 | 第25-29页 |
| ·领域本体的构建准则 | 第25-26页 |
| ·领域本体构建的步骤 | 第26-27页 |
| ·领域本体构建工具protege简介 | 第27-28页 |
| ·领域本体的概率扩展 | 第28-29页 |
| ·贝叶斯网的生成 | 第29-31页 |
| ·领域本体映射到贝叶斯网 | 第29-30页 |
| ·贝叶斯网初始化 | 第30-31页 |
| ·关键技术介绍 | 第31-38页 |
| ·Jena解析 | 第31-32页 |
| ·基于Jena组件的概率扩展的OWL本体解析 | 第32-35页 |
| ·Netica Java API | 第35-36页 |
| ·基于Netica的贝叶斯网的构建及可视化推理 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于贝叶斯网的领域本体不确定性推理研究 | 第39-47页 |
| ·贝叶斯网的推理优点 | 第39页 |
| ·贝叶斯网的推理模式 | 第39-42页 |
| ·贝叶斯推理算法介绍 | 第42-43页 |
| ·基于贝叶斯网的不确定性推理实验及分析 | 第43-46页 |
| ·实验一 预测推理 | 第43-44页 |
| ·实验二 诊断推理 | 第44-45页 |
| ·实验三 混合模式推理 | 第45-46页 |
| ·实验总结 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于条件事件代数的领域知识的不确定性推理研究 | 第47-59页 |
| ·条件事件代数产生的背景及意义 | 第47-48页 |
| ·条件事件代数的推理模式 | 第48-49页 |
| ·条件事件代数的引入 | 第48-49页 |
| ·基于条件事件代数的高阶条件事件推理实现 | 第49-53页 |
| ·结合Gibbs抽样的CEA | 第50-51页 |
| ·PS-Gibbs算法的集中分析 | 第51-53页 |
| ·实例及分析 | 第53-57页 |
| ·本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-63页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录A 攻读硕士学位期间发表论文 | 第69-70页 |
| 附录B 攻读硕士期间参与科研项目 | 第70页 |