案例推理的动态学习模型及其在TE过程中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-24页 |
| ·研究背景及意义 | 第12-14页 |
| ·课题来源 | 第12页 |
| ·研究背景与意义 | 第12-14页 |
| ·案例推理的发展历程与应用 | 第14-18页 |
| ·CBR发展历程 | 第14-15页 |
| ·案例推理系统的优势与不足 | 第15-16页 |
| ·案例推理的典型应用 | 第16-18页 |
| ·案例推理所面临的问题 | 第18-20页 |
| ·论文研究内容与结构安排 | 第20-24页 |
| ·研究内容 | 第20-21页 |
| ·论文组织结构安排 | 第21-24页 |
| 第2章 案例推理分类器的构建 | 第24-36页 |
| ·引言 | 第24-25页 |
| ·案例推理的 4R模型 | 第25-31页 |
| ·案例表示 | 第25-27页 |
| ·案例检索 | 第27-30页 |
| ·案例重用 | 第30页 |
| ·案例修正 | 第30-31页 |
| ·案例存储 | 第31页 |
| ·案例推理分类器的构建 | 第31-34页 |
| ·数据预处理 | 第32-33页 |
| ·分类器的构建 | 第33-34页 |
| ·问题分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 属性权重的迭代分配调整 | 第36-58页 |
| ·引言 | 第36-37页 |
| ·属性权重分配方法 | 第37-39页 |
| ·KNN检索策略 | 第37-38页 |
| ·主观赋权法 | 第38页 |
| ·客观赋权法 | 第38-39页 |
| ·注水原理的属性权重调整 | 第39-48页 |
| ·注水原理 | 第39-41页 |
| ·权重的静态分配方法 | 第41-44页 |
| ·权重的动态迭代学习调整 | 第44-48页 |
| ·实验研究 | 第48-57页 |
| ·实验数据 | 第48-49页 |
| ·实验方案 | 第49-50页 |
| ·参数确定 | 第50-52页 |
| ·实验结果与分析 | 第52-55页 |
| ·显著性检验 | 第55-56页 |
| ·鲁棒性分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 基于可信度的动态评价-修正策略 | 第58-78页 |
| ·引言 | 第58-59页 |
| ·案例评价环节 | 第59-64页 |
| ·问题分析 | 第59-61页 |
| ·常见评价方法 | 第61-64页 |
| ·基于可信度的动态评价-修正策略 | 第64-71页 |
| ·可信度的计算 | 第64-68页 |
| ·不可信案例的“二次检索”修正 | 第68-70页 |
| ·可信度评价方法的特点 | 第70-71页 |
| ·实验研究 | 第71-76页 |
| ·实验方案 | 第71-72页 |
| ·参数设置 | 第72页 |
| ·分类对比实验及结果分析 | 第72-76页 |
| ·本章小结 | 第76-78页 |
| 第5章 选择性的案例动态维护策略 | 第78-94页 |
| ·引言 | 第78-79页 |
| ·案例库的属性约简 | 第79-83页 |
| ·遗传算法原理 | 第80-81页 |
| ·基于遗传算法的阈值优化方法 | 第81-83页 |
| ·基于选择性的动态维护策略 | 第83-87页 |
| ·实验研究 | 第87-92页 |
| ·参数设置 | 第87页 |
| ·实验结果分析 | 第87-92页 |
| ·本章小结 | 第92-94页 |
| 第6章 TE过程的CBR故障诊断系统 | 第94-106页 |
| ·TE过程 | 第94-98页 |
| ·过程变量 | 第96-98页 |
| ·故障类型 | 第98页 |
| ·TE过程故障诊断系统的构建 | 第98-100页 |
| ·实验研究 | 第100-105页 |
| ·性能评价 | 第101页 |
| ·参数设置 | 第101-102页 |
| ·结果分析 | 第102-105页 |
| ·本章小结 | 第105-106页 |
| 结论 | 第106-108页 |
| 参考文献 | 第108-118页 |
| 攻读博士期间发表的学术论文 | 第118-120页 |
| 致谢 | 第120页 |
