| 摘要 | 第1-3页 |
| Summary | 第3-4页 |
| 目录 | 第4-5页 |
| 第一章 引言 | 第5-15页 |
| 1．1 CBR的提出 | 第5-7页 |
| 1．2 知识表示和知识推理 | 第7-14页 |
| 1．2．1 知识表示 | 第7-12页 |
| 1．2．2 知识推理 | 第12-14页 |
| 1．3 基于知识发现的案例推理 | 第14-15页 |
| 第二章 KDD／DM概述 | 第15-24页 |
| 2．1 KDD与数据挖掘 | 第15-17页 |
| 2．2 KDD过程 | 第17-18页 |
| 2．3 数据挖掘的任务 | 第18-20页 |
| 2．4 KDD中使用的方法 | 第20-22页 |
| 2．4．1 决策树方法 | 第20页 |
| 2．4．2 神经网络方法 | 第20-21页 |
| 2．4．3 粗糙集方法 | 第21页 |
| 2．4．4 遗传算法 | 第21-22页 |
| 2．4．5 统计分析方法 | 第22页 |
| 2．5 数据仓库与数据挖掘 | 第22-24页 |
| 第三章 CBR理论基础及过程研究 | 第24-35页 |
| 3．1 CBR的理论基础 | 第24页 |
| 3．2 CBR的模型发展 | 第24-26页 |
| 3．3．CBR过程的研究现状 | 第26-33页 |
| 3．3．1 案例的表示(Case Representation) | 第26-27页 |
| 3．3．2 自动生成案例库 | 第27页 |
| 3．3．3 案例检索与相似(Case Retrieval & Similarity) | 第27-30页 |
| 3．3．4 案例方法的复用(Case Reuse) | 第30-31页 |
| 3．3．5 案例解的修正(Case Revise) | 第31-32页 |
| 3．3．6 案例学习(Case Rtain)与案例库的维护(Case Base Maintenance) | 第32-33页 |
| 3．4 CBR的应用 | 第33-35页 |
| 第四章 基于知识发现的案例推理 | 第35-42页 |
| 4．1 案例推理中的数据挖掘技术 | 第35-36页 |
| 4．2 案例库上知识发现的主要步骤与目标 | 第36-38页 |
| 4．3 案例库上知识发现的主要方法与技术 | 第38-40页 |
| 4．4 基于知识发现技术的CBR系统模型 | 第40-42页 |
| 第五章 结束语 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 攻读硕士学位期间发表的论文 | 第46-47页 |
| 致谢 | 第47页 |
