基于多源异构数据的数字植物园信息检索模型研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 第1章 绪论 | 第7-13页 |
| ·研究背景和意义 | 第7页 |
| ·国内外研究动态 | 第7-10页 |
| ·植物园信息系统的国内外研究动态 | 第7-9页 |
| ·信息检索模型的国内外研究动态 | 第9-10页 |
| ·研究内容和创新点 | 第10-11页 |
| ·研究内容 | 第10-11页 |
| ·创新点 | 第11页 |
| ·论文组织结构 | 第11-13页 |
| 第2章 多源异构数据的集成 | 第13-27页 |
| ·多源异构数据集成概念 | 第13页 |
| ·现有信息系统分析 | 第13-18页 |
| ·信息系统的功能分析 | 第13-15页 |
| ·信息系统的数据结构分析 | 第15-18页 |
| ·信息系统的数据集成 | 第18-23页 |
| ·数据集成相关概念 | 第18-19页 |
| ·数据集成方式分析 | 第19-20页 |
| ·数据集成的实现 | 第20-23页 |
| ·信息系统的权限集成 | 第23页 |
| ·数据实时性保障机制 | 第23-27页 |
| 第3章 检索模型设计 | 第27-35页 |
| ·信息检索的基本原理 | 第27-29页 |
| ·信息检索模型的定义与分类 | 第27-28页 |
| ·异构信息整合检索和全息检索综述 | 第28-29页 |
| ·检索模型的架构设计 | 第29-30页 |
| ·检索节点的设计 | 第30-31页 |
| ·检索模型的队列特性设计 | 第31-34页 |
| ·检索模型扩展属性支持 | 第34-35页 |
| 第4章 检索模型的优化研究 | 第35-47页 |
| ·分类方法的研究 | 第36-37页 |
| ·利用聚类方法的粗分类优化 | 第37-43页 |
| ·聚类算法介绍 | 第37-38页 |
| ·K 均值算法的介绍 | 第38-40页 |
| ·K 均值算法过程与研究 | 第40-43页 |
| ·利用人工神经网络的细分类优化 | 第43-47页 |
| ·人工神经网络的基本概念 | 第43-44页 |
| ·SOM 神经网络学习算法研究 | 第44-47页 |
| 第5章 结论与展望 | 第47-49页 |
| ·结论 | 第47页 |
| ·研究展望 | 第47-49页 |
| 参考文献 | 第49-51页 |
| 导师简介 | 第51-52页 |
| 发表论文和参加科研情况说明 | 第52-53页 |
| 致谢 | 第53页 |