| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第二章 相关理论概述 | 第15-27页 |
| 2.1 数据挖掘与知识提取 | 第15-17页 |
| 2.2 知识提取的相关研究 | 第17-18页 |
| 2.3 本文所提出方法的基本理论 | 第18-26页 |
| 2.3.1 随机森林模型 | 第18-21页 |
| 2.3.2 定义动作知识提取问题 | 第21-22页 |
| 2.3.3 状态空间搜索 | 第22-23页 |
| 2.3.4 马尔科夫决策过程 | 第23-25页 |
| 2.3.5 自动规划 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 结合马尔科夫决策过程的动作知识提取方法 | 第27-37页 |
| 3.1 形式化定义动作知识提取问题 | 第27页 |
| 3.2 马尔科夫决策过程求解动作知识提取优化问题 | 第27-31页 |
| 3.2.1 奖赏函数 | 第28页 |
| 3.2.2 策略 | 第28-29页 |
| 3.2.3 状态值 | 第29页 |
| 3.2.4 状态值函数 | 第29-30页 |
| 3.2.5 基于马尔科夫决策过程的动作知识提取方法 | 第30-31页 |
| 3.3 实验结果与分析 | 第31-35页 |
| 3.3.1 实验数据集 | 第31-32页 |
| 3.3.2 实验设置 | 第32-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于状态空间搜索的次优化动作知识提取方法 | 第37-44页 |
| 4.1 动作知识提取问题形式化定义成优化问题 | 第37页 |
| 4.2 次优化状态空间搜索求解AKE问题 | 第37-40页 |
| 4.2.1 AKE问题的状态空间图 | 第38-39页 |
| 4.2.2 启发式函数 | 第39-40页 |
| 4.3 实验结果与分析 | 第40-43页 |
| 4.3.1 实验设置 | 第40-41页 |
| 4.3.2 搜素时间和解的质量的平衡 | 第41-42页 |
| 4.3.3 SAKE算法的有效性 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 基于规划的动作知识提取方法 | 第44-56页 |
| 5.1 SAS+形式 | 第44-45页 |
| 5.2 次优化动作规划问题 | 第45-46页 |
| 5.3 次优化动作规划问题的规划求解方法 | 第46-50页 |
| 5.3.1 离线预处理阶段 | 第46-48页 |
| 5.3.2 在线SAS+规划阶段 | 第48-50页 |
| 5.4 实验结果与分析 | 第50-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文与参与的研究工作 | 第64-65页 |