| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题的背景与意义 | 第10-11页 |
| ·课题研究背景 | 第10页 |
| ·课题研究实际意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国外课题研究现状 | 第11-12页 |
| ·国内课题研究现状 | 第12-13页 |
| ·信息融合的定义与分类 | 第13-15页 |
| ·信息融合的定义 | 第13页 |
| ·信息融合的分类 | 第13-15页 |
| ·本文研究的主要内容 | 第15-17页 |
| 第二章 信息融合理论 | 第17-21页 |
| ·信息融合原理 | 第17页 |
| ·信息融合模型 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 神经网络与专家系统 | 第21-39页 |
| ·神经网络 | 第21-27页 |
| ·神经网络概述 | 第21页 |
| ·神经网络基本原理 | 第21-22页 |
| ·人工神经网络的分类 | 第22页 |
| ·BP 神经网络算法 | 第22-26页 |
| ·神经网络的缺点 | 第26-27页 |
| ·专家系统 | 第27-33页 |
| ·专家系统概述 | 第27-28页 |
| ·专家系统基本原理 | 第28页 |
| ·专家系统基本模型 | 第28-32页 |
| ·专家系统的缺点 | 第32-33页 |
| ·神经网络专家系统 | 第33-38页 |
| ·神经网络专家系统基本原理 | 第33页 |
| ·神经网络专家系统结构 | 第33-34页 |
| ·神经网络专家系统的知识表示 | 第34-36页 |
| ·神经网络专家系统的知识获取 | 第36页 |
| ·神经网络专家系统的知识推理 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于信息融合的全自动生化分析仪故障诊断系统 | 第39-57页 |
| ·生化分析仪基本原理 | 第39-46页 |
| ·生化分析仪常见故障 | 第46-49页 |
| ·生化分析仪故障诊断系统 | 第49-56页 |
| ·系统的总体结构 | 第49-50页 |
| ·系统的组成与功能 | 第50页 |
| ·系统的知识表示 | 第50-51页 |
| ·系统的知识获取 | 第51-53页 |
| ·系统的推理机 | 第53-55页 |
| ·系统的知识存储与更新 | 第55页 |
| ·系统的软件界面 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 分析仪故障诊断系统的评价 | 第57-63页 |
| ·网络的特征因子选取 | 第57页 |
| ·网络的参数配置 | 第57-58页 |
| ·网络的样本数据处理 | 第58-59页 |
| ·网络的样本训练 | 第59-61页 |
| ·网络训练的结果分析 | 第61页 |
| ·系统的专家处理意见 | 第61-63页 |
| 第六章 结论 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 在学研究成果 | 第66-67页 |
| 致谢 | 第67页 |