基于粒计算的智能搜索引擎技术研究

摘要	第1-5页
Abstract	第5-10页
第1章 绪论	第10-16页
·引言	第10页
·课题背景	第10-11页
·搜索引擎技术的发展现状	第11-12页
·国内外关于粒计算技术的发展现状	第12-13页
·粒计算研究的意义	第13页
·粒计算的学科属性	第13-14页
·论文研究内容	第14-15页
·研究目标	第14-15页
·研究内容	第15页
·拟解决的关键问题	第15页
·本章小结	第15-16页
第2章 智能搜索技术在智能搜索引擎中的发展	第16-25页
·智能化搜索引擎	第16-18页
·智能型搜索引擎的逻辑模型	第16-18页
·智能化搜索引擎的优点及存在问题	第18页
·人工智能中的搜索技术	第18-20页
·状态空间	第19-20页
·智能搜索原理	第20页
·启发式搜索理论	第20-22页
·启发式信息与评价函数的构造	第20-21页
·启发式搜索算法的使用原则	第21页
·启发式估价函数的改进策略	第21-22页
·常见的启发式搜索算法	第22-23页
·最好优先算法	第22-23页
·统计启发式算法(SA算法)	第23页
·本章小结	第23-25页
第3章 商空间粒度计算理论	第25-30页
·问题求解理论中的人类智能	第25页
·粒度问题的描述方法	第25页
·粒计算的研究模型	第25-26页
·商空间粒度原理	第26-29页
·商空间粒度的基本模型	第26-27页
·商空间中关于论域的划分	第27页
·商空间中的分层递阶思想	第27-28页
·不同粒度世界的关系变换	第28-29页
·商空间理论中粒度的合并与分解	第29页
·本章小结	第29-30页
第4章 统计启发式搜索与商空间粒度的融合	第30-37页
·商空间粒度的推理模型	第30-31页
·保假原理	第30页
·保真原理	第30-31页
·保真原理与保假原理的特点	第31页
·基于商空间的统计启发式搜索粒结点	第31-33页
·商空间中的函数属性分析	第31-32页
·启发式搜索中的商空间模型	第32-33页
·启发式搜索中的统计模型	第33-35页
·搜索树的模型	第33-34页
·统计量X(n)	第34-35页
·粒度SA算法具体步骤	第35页
·基于粒度分解与合成技术的启发式搜索	第35-36页
·基于粒度分解技术的启发式搜索方法	第36页
·基于粒度合成技术的启发式搜索方法	第36页
·本章小结	第36-37页
第5章 基于商空间的粒度聚类	第37-45页
·聚类的使用	第37页
·关于文本挖掘与Web页面挖掘	第37-38页
·聚类分析研究方法	第38-40页
·数据的表示方法	第38-39页
·确定聚类的相似度	第39-40页
·聚类的常规算法	第40-41页
·平面划分算法	第40-41页
·层次聚类算法	第41页
·粒聚类原理	第41-42页
·商空间理论中聚类论域的调整	第42页
·构造商空间粒度的聚类算法模型	第42-44页
·粒度聚类算法的基本思路	第42-43页
·粒度聚类算法的分析评价	第43-44页
·本章小结	第44-45页
第6章 商空间粒度在搜索引擎中的应用	第45-58页
·问题的提出	第45页
·基于商空间的粒度聚类算法	第45-51页
·粒聚类实验环境	第45-46页
·粒聚类实验中个体的数据表示方法	第46页
·粒聚类算法的实施过程	第46-48页
·粒聚类实验的粒度分析	第48-49页
·粒聚类实验结果	第49-51页
·商空间粒度的统计启发式搜索算法	第51-58页
·粒启发式搜索中的粒度原理	第51页
·启发式信息的获取	第51页
·粒度的分解方式	第51-52页
·基于商空间粒度启发式搜索算法及伪代码描述	第52-54页
·算法性能评价	第54-55页
·实验分析	第55-58页
第7章 总结与展望	第58-60页
·工作总结	第58页
·技术研究展望	第58-60页
参考文献	第60-63页
致谢	第63-64页
附录	第64页