| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-25页 |
| ·非规范知识的定义 | 第13-14页 |
| ·非规范知识的研究现状 | 第14-21页 |
| ·在基础研究方面的研究现状 | 第14-18页 |
| ·在应用研究方面的研究现状 | 第18-21页 |
| ·本文研究目标与内容 | 第21-25页 |
| ·研究背景和目标 | 第21-22页 |
| ·论文结构与内容 | 第22-25页 |
| 第二章 内容不完整知识的获取 | 第25-43页 |
| ·问题的提出 | 第25页 |
| ·处理方法概述 | 第25-29页 |
| ·基于粗糙集的知识获取 | 第26-28页 |
| ·基于粗糙集的知识约简方法 | 第28-29页 |
| ·基于粗糙集的属性扩展规则获取算法AEA | 第29-34页 |
| ·算法思路 | 第29-30页 |
| ·将原始决策表转换为优化决策表 | 第30-31页 |
| ·从优化决策表中获取规则 | 第31-34页 |
| ·实验及结果分析 | 第34页 |
| ·基于粗糙集的近似序列决策规则获取算法EAASDR | 第34-41页 |
| ·算法思路 | 第34-35页 |
| ·近似序列决策规则获取算法(EAASDR) | 第35-37页 |
| ·实验及结果分析 | 第37-41页 |
| ·本章小结 | 第41-43页 |
| 第三章 带噪音知识的获取 | 第43-73页 |
| ·问题的提出 | 第43页 |
| ·处理方法概述 | 第43-46页 |
| ·神经网络规则获取 | 第43-45页 |
| ·神经网络集成及规则获取 | 第45-46页 |
| ·基于SAMLP网络的规则获取方法 | 第46-58页 |
| ·SAMLP网络结构 | 第46-48页 |
| ·SAMLP网络的构建 | 第48-50页 |
| ·从SAMLP网络中获取规则 | 第50-53页 |
| ·一个实例 | 第53页 |
| ·实验及结果分析 | 第53-58页 |
| ·基于SAMLP模型的神经网络集成规则获取方法 | 第58-64页 |
| ·SAMLP网络集成 | 第58-59页 |
| ·SAMLP神经网络集成规则抽取算法 | 第59-60页 |
| ·与决策树集成规则获取算法的实验比较 | 第60-63页 |
| ·与其他神经网络集成规则获取算法的实验比较 | 第63-64页 |
| ·粗糙集和神经网络结合的规则获取方法 | 第64-71页 |
| ·基本思路 | 第64-65页 |
| ·粗糙集和神经网络结合的混合模型HMRN | 第65-68页 |
| ·实验及结果分析 | 第68-71页 |
| ·本章小结 | 第71-73页 |
| 第四章 矛盾知识的融合 | 第73-101页 |
| ·问题的提出 | 第73页 |
| ·处理方法概述 | 第73-79页 |
| ·基于信念修正的矛盾知识融合方法 | 第74-77页 |
| ·基于可能逻辑的矛盾知识融合方法 | 第77-79页 |
| ·一种基于信念修正的矛盾知识融合模型 | 第79-91页 |
| ·群体信念协商模型 | 第80-84页 |
| ·群体信念协商模型的实现 | 第84-89页 |
| ·一个示例 | 第89-91页 |
| ·基于可能逻辑的矛盾知识的融合 | 第91-100页 |
| ·基于可能分布的矛盾知识的融合操作符 | 第91-97页 |
| ·基于可能逻辑的矛盾知识融合框架 | 第97-98页 |
| ·一个示例 | 第98-100页 |
| ·本章小结 | 第100-101页 |
| 第五章 非恒常知识的融合 | 第101-127页 |
| ·问题的提出 | 第101页 |
| ·处理方法概述 | 第101-107页 |
| ·信息过滤方法 | 第101-103页 |
| ·从非恒常知识中过滤不确定结构化知识 | 第103-107页 |
| ·融合同类型的不确定结构化知识 | 第107-117页 |
| ·基于概率论的不确定结构化知识的融合 | 第107-108页 |
| ·基于DS证据理论的不确定结构化知识的的融合 | 第108-111页 |
| ·基于可能性理论的不确定结构化知识的融合 | 第111-117页 |
| ·融合不同类型的不确定结构化知识 | 第117-126页 |
| ·信任函数和可能性度量表示的不确定结构化知识的融合 | 第117-124页 |
| ·概率、信任函数和可能性度量表示的不确定结构化知识的融合 | 第124-126页 |
| ·本章小结 | 第126-127页 |
| 第六章 非规范知识获取和融合技术的应用实例—《盾构施工风险控制知识管理系统》的开发 | 第127-141页 |
| ·风险控制知识的获取 | 第127-131页 |
| ·通过调查获取风险知识 | 第127页 |
| ·从实时施工数据中获取风险知识 | 第127-130页 |
| ·从论坛和专家地图中获取风险知识 | 第130-131页 |
| ·风险控制知识的融合 | 第131-132页 |
| ·通过风险合成实现知识融合 | 第131页 |
| ·用概率表示的不确定风险知识的融合 | 第131-132页 |
| ·风险知识获取与融合的一个示例 | 第132-136页 |
| ·数据的准备 | 第132-134页 |
| ·利用AEA算法获取风险知识 | 第134页 |
| ·利用SAMLP网络集成获取风险知识 | 第134页 |
| ·风险知识的融合 | 第134-136页 |
| ·系统中风险知识的管理 | 第136-139页 |
| ·风险知识学习 | 第137页 |
| ·风险知识管理 | 第137-138页 |
| ·与风险知识管理有关的界面 | 第138-139页 |
| ·本章小结 | 第139-141页 |
| 第七章 总结与展望 | 第141-145页 |
| ·本文主要工作 | 第141-143页 |
| ·基础研究 | 第141-142页 |
| ·应用研究 | 第142页 |
| ·创新点 | 第142-143页 |
| ·进一步工作 | 第143-145页 |
| 参考文献 | 第145-155页 |
| 作者在攻读博士学位期间发表的论文 | 第155-156页 |
| 作者在攻读博士学位期间获得的研究成果 | 第156-157页 |
| 作者在攻读博士学位期间参加的科研项目 | 第157-158页 |
| 致谢 | 第158页 |
