基于机器学习技术的本体构建的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题的研究背景 | 第10-13页 |
| ·网络的迅速发展 | 第10页 |
| ·搜索引擎的出现与发展 | 第10-11页 |
| ·语义网的提出 | 第11-12页 |
| ·本体的重要性 | 第12-13页 |
| ·机器学习技术的发展 | 第13页 |
| ·课题的意义 | 第13页 |
| ·课题的主要研究内容与方法 | 第13-15页 |
| 第二章 本体构建相关技术 | 第15-25页 |
| ·本体 | 第15-18页 |
| ·本体的定义 | 第15-17页 |
| ·本体的分类 | 第17-18页 |
| ·构造本体的规则 | 第18页 |
| ·本体构建 | 第18-25页 |
| ·人工构建本体 | 第18-22页 |
| ·复用既有本体 | 第22页 |
| ·半自动化的方法 | 第22-25页 |
| 第三章 本体映射 | 第25-32页 |
| ·本体映射 | 第25-26页 |
| ·基于人工神经网络的本体映射模型 | 第26-32页 |
| ·基于人工神经网络映射发现过程 | 第26-27页 |
| ·系统中的映射策略 | 第27-32页 |
| 第四章 神经网络在本体映射中的应用 | 第32-38页 |
| ·神经网络与本体映射的联系 | 第32-33页 |
| ·BP神经网络设计的一般原则 | 第33-35页 |
| ·BP网络输入与输出参数的确定 | 第33-34页 |
| ·BP网络结构参数设计 | 第34-35页 |
| ·系统中神经网络的拓扑结构 | 第35页 |
| ·系统中神经网络的参数的确定 | 第35-38页 |
| 第五章 系统实现 | 第38-48页 |
| ·系统中神经网络的采用的学习算法 | 第38-39页 |
| ·学习算法的流程图设计 | 第39-43页 |
| ·对学习算法实现的说明 | 第43-48页 |
| ·数据结构说明 | 第43页 |
| ·核心代码分析 | 第43-46页 |
| ·现有系统与原系统的比较 | 第46-48页 |
| 第六章 系统改进与测试 | 第48-57页 |
| ·传统BP学习算法存在的缺陷 | 第48页 |
| ·对BP算法改进措施在系统中的应用 | 第48-53页 |
| ·突触权值的初始化 | 第48-52页 |
| ·可变学习率的批量更新 | 第52-53页 |
| ·利用神经网络实现多策略决策 | 第53-54页 |
| ·关于BP算法的其他改进措施 | 第54-57页 |
| ·蚁群算法与人工神经网络的融合 | 第54-55页 |
| ·遗传算法在神经网络中的应用 | 第55-57页 |
| 第七章 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 在学研究成果 | 第61-62页 |
| 致谢 | 第62页 |
