| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| ·人工智能简介 | 第9页 |
| ·CBR推理系统简介 | 第9-13页 |
| ·人工智能在医疗领域中的应用 | 第13-14页 |
| ·论文的主要内容和组织结构 | 第14-15页 |
| 第2章 基于事例推理 | 第15-27页 |
| ·基于事例推理方法 | 第15页 |
| ·基于事例推理与基于规则推理比较 | 第15-16页 |
| ·基于事例推理基本原理 | 第16-24页 |
| ·基本定义 | 第16页 |
| ·基于事例推理流程 | 第16-18页 |
| ·事例表示 | 第18-20页 |
| ·事例存储 | 第20页 |
| ·事例检索与匹配 | 第20-22页 |
| ·事例修改 | 第22-23页 |
| ·事例学习 | 第23-24页 |
| ·事例维护 | 第24页 |
| ·基于事例推理的优势和不足 | 第24-25页 |
| ·基于事例推理的应用领域 | 第25-26页 |
| ·基于事例推理的发展前景 | 第26-27页 |
| 第3章 改进的聚类算法 | 第27-39页 |
| ·聚类技术概述 | 第27页 |
| ·传统聚类技术 | 第27-31页 |
| ·CURE算法与K-NN算法的结合 | 第31-32页 |
| ·改进聚类技术在基于事例推理中的应用研究 | 第32-39页 |
| ·事例相似度及类间距离的度量 | 第33-34页 |
| ·事例库聚类索引算法 | 第34-35页 |
| ·事例检索算法 | 第35-36页 |
| ·事例库维护 | 第36-39页 |
| 第4章 基于CBR的甲型H1N1流感辅助诊断系统设计 | 第39-67页 |
| ·系统概述 | 第39页 |
| ·开发环境 | 第39-40页 |
| ·系统流程设计 | 第40-42页 |
| ·事例表示与存储 | 第42-48页 |
| ·事例表示 | 第43-47页 |
| ·建立系统标准事例库 | 第47页 |
| ·事例组织 | 第47-48页 |
| ·事例检索算法 | 第48-58页 |
| ·分级式过滤算法与最近相邻算法的结合 | 第58-62页 |
| ·基于模糊数学的相似度计算模型 | 第60-62页 |
| ·事例检索过程 | 第62页 |
| ·事例的修改学习 | 第62-65页 |
| ·事例匹配 | 第62-63页 |
| ·事例修改 | 第63-64页 |
| ·事例学习 | 第64-65页 |
| ·事例添加删除 | 第65-67页 |
| 第5章 系统运行与结果分析 | 第67-79页 |
| ·系统运行测试 | 第67-70页 |
| ·系统检索效率分析 | 第70-71页 |
| ·检索算法评价 | 第71-76页 |
| ·事例库维护性能分析 | 第76-79页 |
| 第6章 结论 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85页 |