| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第1章 绪论 | 第14-36页 |
| 1.1 引言 | 第14页 |
| 1.2 专家系统智能建模方法 | 第14-29页 |
| 1.2.1 智能建模方法 | 第16-22页 |
| 1.2.2 基于粗糙集理论的知识建模方法 | 第22-29页 |
| 1.3 粗糙集理论应用现状 | 第29-33页 |
| 1.4 焊缝成形质量预测专家系统的国内外研究情况 | 第33-34页 |
| 1.5 课题的主要工作和意义 | 第34-36页 |
| 1.5.1 本文的主要工作 | 第34页 |
| 1.5.2 课题意义 | 第34-36页 |
| 第2章 粗糙集知识建模的理论基础 | 第36-54页 |
| 2.1 引言 | 第36页 |
| 2.2 集合论基础 | 第36-41页 |
| 2.2.1 基本符号和定义 | 第36-38页 |
| 2.2.2 基本概念 | 第38-39页 |
| 2.2.3 集合关系 | 第39-40页 |
| 2.2.4 数理逻辑 | 第40-41页 |
| 2.3 经典粗糙集理论 | 第41-48页 |
| 2.3.1 粗糙集的基本思想 | 第41-45页 |
| 2.3.2 粗糙集的基本概念 | 第45-48页 |
| 2.4 变精度粗糙集理论 | 第48-54页 |
| 2.4.1 知识发现的不确定性 | 第48页 |
| 2.4.2 多数包含关系 | 第48-49页 |
| 2.4.3 粗糙集模型中的近似集 | 第49-52页 |
| 2.4.4 属性的近似依赖性 | 第52-53页 |
| 2.4.5 近似约简 | 第53-54页 |
| 第3章 专家系统知识建模方法研究 | 第54-69页 |
| 3.1 引言 | 第54页 |
| 3.2 RS 理论建模方法框架 | 第54-65页 |
| 3.2.1 数据获取 | 第54-55页 |
| 3.2.2 数据预处理 | 第55-60页 |
| 3.2.3 RS 模型约简 | 第60-65页 |
| 3.2.4 不确定性推理 | 第65页 |
| 3.3 粗糙集建模方法与其他建模方法比较 | 第65-67页 |
| 3.3.1 建模方法的主要构成部分 | 第65-66页 |
| 3.3.2 RS 与其他建模方法的比较 | 第66-67页 |
| 3.4 本章小结 | 第67-69页 |
| 第4章 数据离散化的研究 | 第69-93页 |
| 4.1 引言 | 第69-70页 |
| 4.2 离散化方法概述 | 第70-73页 |
| 4.2.1 离散化方法的基本流程 | 第70-71页 |
| 4.2.2 离散化方法分类 | 第71-72页 |
| 4.2.3 离散化方法的评价标准 | 第72-73页 |
| 4.3 常用离散化方法介绍 | 第73-77页 |
| 4.3.1 分箱算法 | 第73页 |
| 4.3.2 Kohonen 网络算法 | 第73-74页 |
| 4.3.3 Naive Scaler 算法和Semi Naive Scaler 算法 | 第74-75页 |
| 4.3.4 布尔逻辑和粗糙集理论相结合的离散化方法 | 第75页 |
| 4.3.5 基于信息熵的离散化 | 第75-77页 |
| 4.4 常用离散化方法比较 | 第77-80页 |
| 4.4.1 试验方案 | 第77页 |
| 4.4.2 对通用数据库的比较 | 第77-80页 |
| 4.5 二次离散化算法 | 第80-81页 |
| 4.5.1 基于属性重要性的区间合并离散化方法 | 第80-81页 |
| 4.5.2 二次离散化 | 第81页 |
| 4.6 基于Kohonen 网络的离散化算法改进 | 第81-83页 |
| 4.7 针对焊接过程数据的离散化方法比较 | 第83-92页 |
| 4.7.1 数据获取 | 第83-84页 |
| 4.7.2 决策表的离散化以及粗糙集处理 | 第84-86页 |
| 4.7.3 模型验证 | 第86-92页 |
| 4.8 本章小结 | 第92-93页 |
| 第5章 基于RS 理论的不确定推理方法研究 | 第93-114页 |
| 5.1 引言 | 第93页 |
| 5.2 基于粗糙集理论的不确定性推理过程描述 | 第93-96页 |
| 5.2.1 粗糙集的知识表达系统 | 第93-94页 |
| 5.2.2 粗糙集理论的建模步骤 | 第94-96页 |
| 5.3 基于粗糙集理论的不确定推理过程中出现的问题 | 第96-97页 |
| 5.4 已有的基于粗糙集理论的不确定推理策略 | 第97-102页 |
| 5.4.1 权值策略 | 第97-100页 |
| 5.4.2 基于支持度策略的推理方法及改进 | 第100-102页 |
| 5.5 基于属性重要性的推理策略 | 第102-106页 |
| 5.5.1 基于属性重要性的推理策略提出的必要性 | 第102页 |
| 5.5.2 基于属性重要性的推理策略及其算法实现 | 第102-106页 |
| 5.6 基于属性重要性的推理方法的推理效率和使用性分析 | 第106-110页 |
| 5.7 焊接过程中不确定性推理方法应用研究 | 第110-113页 |
| 5.7.1 数据获取 | 第110页 |
| 5.7.2 组织决策表 | 第110-112页 |
| 5.7.3 知识模型获取 | 第112页 |
| 5.7.4 基于属性重要性的推理方法的推理效果分析 | 第112-113页 |
| 5.8 本章小结 | 第113-114页 |
| 第6章 焊缝成形质量预测专家系统的构建 | 第114-132页 |
| 6.1 专家系统软件构建 | 第114-119页 |
| 6.1.1 专家系统设计 | 第114-115页 |
| 6.1.2 专家系统构建 | 第115-116页 |
| 6.1.3 算法流程和软件实现 | 第116-119页 |
| 6.2 低碳钢C02 焊缝成形质量预测专家系统建模及分析 | 第119-130页 |
| 6.3.1 建模数据获取 | 第119-120页 |
| 6.3.2 实验平台 | 第120-121页 |
| 6.3.3 实验设计与低碳钢建模数据获取 | 第121-123页 |
| 6.3.4 数据预处理 | 第123-125页 |
| 6.3.5 RS 模型约简 | 第125页 |
| 6.3.6 RS 推理模型 | 第125-127页 |
| 6.2.7 低碳钢RS 推理专家系统验证 | 第127-130页 |
| 6.3 本章小结 | 第130-132页 |
| 第7章 焊缝成形质量预测专家系统应用 | 第132-150页 |
| 7.1 应用背景 | 第132-133页 |
| 7.2 基于RS 知识建模的专家系统在漏焊监测中的应用 | 第133-142页 |
| 7.2.1 知识获取 | 第134-137页 |
| 7.2.2 知识库的维护 | 第137-138页 |
| 7.2.3 专家系统的现场试验验证 | 第138-140页 |
| 7.2.4 应用结果分析 | 第140-142页 |
| 7.3 基于RS 知识建模的专家系统在焊缝成形质量检测中的应用 | 第142-148页 |
| 7.3.1 焊缝质量评定判据 | 第142-143页 |
| 7.3.2 焊缝图像信息的获取 | 第143页 |
| 7.3.3 图像处理流程 | 第143-145页 |
| 7.3.4 采样数据离散化 | 第145-146页 |
| 7.3.5 质量评定系统的知识获取与推理 | 第146-147页 |
| 7.3.6 专家系统的现场试验验证 | 第147-148页 |
| 7.4 本章小结 | 第148-150页 |
| 结论 | 第150-152页 |
| 本文的创新点 | 第152-153页 |
| 参考文献 | 第153-162页 |
| 致谢 | 第162-163页 |
| 攻读博士期间发表及待发表的论文 | 第163-165页 |
