网络环境下机器可联想算法知识表示发育模型研究
| 摘要 | 第5-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 课题背景及意义 | 第12-13页 |
| 1.2 研究内容与解决方法 | 第13页 |
| 1.2.1 程序代码中算法知识的表示方式 | 第13页 |
| 1.2.2 算法知识表示模型 | 第13页 |
| 1.2.3 算法知识表示模型的自主发育 | 第13页 |
| 1.2.4 挖掘算法知识之间的联系 | 第13页 |
| 1.3 技术路线 | 第13-14页 |
| 1.3.1 从程序代码中提取算法知识实例 | 第14页 |
| 1.3.2 找出知识实例中的聚点 | 第14页 |
| 1.3.3 知识实例的向量表示 | 第14页 |
| 1.3.4 算法知识表示的自主发育 | 第14页 |
| 1.3.5 算法知识的联系 | 第14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 算法知识表示 | 第16-21页 |
| 2.1 引言 | 第16页 |
| 2.2 算法知识表示方式 | 第16-20页 |
| 2.2.1 抽象语法树简介 | 第16-17页 |
| 2.2.2 语法树的生成 | 第17-18页 |
| 2.2.3 算法知识表示方式 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 算法知识的度量 | 第21-26页 |
| 3.1 引言 | 第21页 |
| 3.2 树大小相似度 | 第21-23页 |
| 3.3 树结构相似度 | 第23-25页 |
| 3.3.1 编辑距离 | 第23页 |
| 3.3.2 树编辑距离 | 第23-25页 |
| 3.3.3 树结构相似度 | 第25页 |
| 3.4 本章小结 | 第25-26页 |
| 第4章 自组织映射图 | 第26-35页 |
| 4.1 引言 | 第26-27页 |
| 4.2 自组织映射图 | 第27-33页 |
| 4.2.1 自组织映射图简介 | 第27-29页 |
| 4.2.2 基于树大小相似度的SOM | 第29-31页 |
| 4.2.3 基于树结构相似度的SOM | 第31-33页 |
| 4.3 本章小结 | 第33-35页 |
| 第5章 算法知识表示发育模型研究 | 第35-39页 |
| 5.1 引言 | 第35页 |
| 5.2 代码向量 | 第35-36页 |
| 5.3 叶分量分析方法 | 第36-38页 |
| 5.4 算法知识表示发育模型 | 第38页 |
| 5.5 本章小结 | 第38-39页 |
| 第6章 算法知识表示模型之间的联系 | 第39-45页 |
| 6.1 引言 | 第39页 |
| 6.2 算法知识表示模型之间的联系 | 第39-40页 |
| 6.3 向量的基本操作 | 第40-41页 |
| 6.4 主流方法 | 第41-42页 |
| 6.5 教学序列 | 第42-44页 |
| 6.6 本章小结 | 第44-45页 |
| 第7章 实验及结果 | 第45-66页 |
| 7.1 实验前言 | 第45页 |
| 7.2 基于大小相似度的自组织映射图实验 | 第45-50页 |
| 7.3 基于树结构相似度的自组织映射图实验 | 第50-56页 |
| 7.4 算法知识表示发育模型研究实验 | 第56-59页 |
| 7.5 教学序列的生成 | 第59-62页 |
| 7.6 实验原型系统 | 第62-64页 |
| 7.7 实验的不足 | 第64-65页 |
| 7.8 本章小结 | 第65-66页 |
| 第8章 结束语 | 第66-69页 |
| 8.1 研究工作总结 | 第66-67页 |
| 8.2 研究贡献与创新 | 第67页 |
| 8.3 未来工作与展望 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 攻读学位期间的研究成果目录 | 第71-72页 |
| 致谢 | 第72页 |
