| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 主要研究内容 | 第10-11页 |
| 1.4 章节安排 | 第11-12页 |
| 第二章 CBR 相关知识 | 第12-21页 |
| 2.1 CBR 概述 | 第12-13页 |
| 2.2 案例表示方法 | 第13-14页 |
| 2.3 案例库的构造方法 | 第14-15页 |
| 2.3.1 基于数据库的构造方法 | 第14页 |
| 2.3.2 基于 XML 的构造方法 | 第14页 |
| 2.3.3 关系数据库与 XML 比较 | 第14-15页 |
| 2.4 CBR 案例的检索算法研究 | 第15-17页 |
| 2.4.1 NN 算法 | 第15-16页 |
| 2.4.2 ANN 算法 | 第16-17页 |
| 2.5 特征权重分配算法研究 | 第17-19页 |
| 2.5.1 AHP 算法 | 第17-18页 |
| 2.5.2 优化 AHP 算法 | 第18页 |
| 2.5.3 多准则综合评价算法 | 第18-19页 |
| 2.6 案例的调整，评估和学习 | 第19-20页 |
| 2.7 本章小结 | 第20-21页 |
| 第三章 CBR 推理系统设计与实现 | 第21-39页 |
| 3.1 MAS 系统特点介绍 | 第21页 |
| 3.2 机器狗硬件 | 第21-25页 |
| 3.2.1 机器狗控制器 | 第22-23页 |
| 3.2.2 机器狗舵机 | 第23-25页 |
| 3.3 基于 Multi-agent 分布式智能机器人软件体系结构 | 第25-26页 |
| 3.4 语音识别与控制系统 | 第26页 |
| 3.5 语音识别模块 | 第26-29页 |
| 3.6 思维与学习模块 | 第29-33页 |
| 3.6.1 XML 案例库设计 | 第30-31页 |
| 3.6.2 CBR 实时性分析 | 第31-32页 |
| 3.6.3 CBR 推理机制算法改进 | 第32-33页 |
| 3.7 通讯模块 | 第33-35页 |
| 3.7.1 UART 通讯协议 | 第33-35页 |
| 3.7.2 TCP/IP 通讯 | 第35页 |
| 3.8 控制模块 | 第35-38页 |
| 3.8.1 Mega128 控制器功能实现 | 第36-37页 |
| 3.8.2 PXA270 控制器功能实现 | 第37-38页 |
| 3.9 本章小结 | 第38-39页 |
| 第四章 系统测试 | 第39-47页 |
| 4.1 实验前期准备 | 第39-42页 |
| 4.1.1 HMM 训练 | 第39-41页 |
| 4.1.2 Julius 移植及配置 | 第41-42页 |
| 4.2 语音识别测试结果 | 第42-43页 |
| 4.3 系统运行效果 | 第43-46页 |
| 4.3.1 语音识别子系统 | 第44页 |
| 4.3.2 语音聊天子系统 | 第44-45页 |
| 4.3.3 机器狗学习子系统 | 第45页 |
| 4.3.4 机器狗控制子系统 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 总结和展望 | 第47-48页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士学位期间发表的论文和参加的主要科研项目 | 第53-54页 |
| 详细摘要 | 第54-57页 |