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 |