| 第一章 绪论 | 第1-17页 |
| ·研究背景及意义 | 第12-13页 |
| ·知识管理与人工智能的密切关系 | 第13-14页 |
| ·本文的工作与主要贡献 | 第14-16页 |
| ·研究内容 | 第14-15页 |
| ·研究路线 | 第15页 |
| ·本文的工作和主要贡献 | 第15-16页 |
| ·论文的结构 | 第16-17页 |
| 第二章 背景知识介绍 | 第17-33页 |
| ·基于知识的系统与知识求精 | 第17-20页 |
| ·KBS的发展瓶颈 | 第17-19页 |
| ·知识求精技术概述 | 第19-20页 |
| ·人工神经网络 | 第20-25页 |
| ·神经网络的构成 | 第21-22页 |
| ·BP神经网络 | 第22-24页 |
| ·神经网络的特征 | 第24-25页 |
| ·符号系统与神经网络相结合的知识求精技术 | 第25-30页 |
| ·KBANN | 第26-28页 |
| ·KBCNN | 第28-29页 |
| ·RAPTURE | 第29-30页 |
| ·知识求精技术的国内外研究现状 | 第30-33页 |
| ·国外研究现状 | 第30-32页 |
| ·国内研究现状 | 第32-33页 |
| 第三章 KRSNN知识求精方法 | 第33-56页 |
| ·KRSNN概述 | 第33-35页 |
| ·将规则转化为神经网络 | 第35-42页 |
| ·KRSNN详细描述 | 第36-41页 |
| ·从规则到神经网络转化举例 | 第41-42页 |
| ·训练数据的编码 | 第42-44页 |
| ·神经网络训练算法 | 第44-49页 |
| ·KRSNN网络结构剪枝算法 | 第49-51页 |
| ·KRSNN规则抽取算法 | 第51-54页 |
| ·规则质量评价 | 第54-55页 |
| ·KRSNN的计算机实现 | 第55-56页 |
| 第四章 KRSNN实例研究 | 第56-85页 |
| ·DNA序列中启动子识别的规则库求精 | 第56-70页 |
| ·启动子 | 第56-57页 |
| ·启动子识别的规则库 | 第57-58页 |
| ·106条启动子识别的训练数据 | 第58-59页 |
| ·初始规则库的预处理 | 第59-60页 |
| ·神经网络的初始结构 | 第60-61页 |
| ·修正后的网络结构 | 第61-62页 |
| ·输入数据编码 | 第62页 |
| ·求精方法性能比较分析 | 第62-70页 |
| ·个人贷款审批规则库求精 | 第70-82页 |
| ·规则库介绍 | 第70-71页 |
| ·训练数据及其编码 | 第71-72页 |
| ·神经网络的初始设置 | 第72-74页 |
| ·KRSNN的求精过程展示 | 第74-81页 |
| ·求精后规则质量分析 | 第81-82页 |
| ·KRSNN总结 | 第82-85页 |
| 第五章 总结及展望 | 第85-87页 |
| 参考文献 | 第87-91页 |
| 附录1：启动子识别规则库及训练数据 | 第91-95页 |
| 附录2：个人消费贷款审批规则库及训练数据 | 第95-101页 |
| 附录3.KRSNN知识求精方法的主要Matlab代码 | 第101-111页 |
| 附录3.1 神经网络训练算法 | 第101-103页 |
| 附录3.2 神经网络结构剪枝算法 | 第103-109页 |
| 附录3.3 抽取规则主程序 | 第109-111页 |
| 攻读硕士学位期间发表的论文 | 第111-112页 |
| 致谢 | 第112页 |