| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-8页 |
| 目录 | 第8-13页 |
| Contents | 第13-18页 |
| 第一章 绪论 | 第18-23页 |
| 1．1 课题来源及研究意义 | 第18页 |
| 1．2 课题的研究现状及发展趋势 | 第18-21页 |
| 1．2．1 国内外研究概况和水平 | 第18-21页 |
| 1．2．2 发展趋势 | 第21页 |
| 1．3 本论文的主要工作 | 第21-22页 |
| 1．4 本论文的主要创新 | 第22-23页 |
| 第二章 模具材料及其选择 | 第23-29页 |
| 2．1 模具材料 | 第23-26页 |
| 2．2 模具材料的选择 | 第26-29页 |
| 第三章 人工智能、专家系统与神经网络 | 第29-42页 |
| 3．1 人工智能概况 | 第29-30页 |
| 3．2 专家系统 | 第30-42页 |
| 3．2．1 专家系统的定义 | 第30-31页 |
| 3．2．2 专家系统的分类 | 第31页 |
| 3．2．3 专家系统的特点 | 第31-33页 |
| 3．2．4 专家系统的基本结构 | 第33-37页 |
| 3．2．4．1 知识库 | 第33-34页 |
| 3．2．4．2 综合数据库 | 第34-35页 |
| 3．2．4．3 推理机 | 第35页 |
| 3．2．4．4 解释机 | 第35-36页 |
| 3．2．4．5 知识获取机 | 第36页 |
| 3．2．4．6 用户界面 | 第36-37页 |
| 3．2．5 专家系统的知识获取 | 第37-38页 |
| 3．2．5．1 知识获取的任务 | 第37页 |
| 3．2．5．2 知识获取方法的分类 | 第37页 |
| 3．2．5．3 知识获取的过程 | 第37-38页 |
| 3．2．6 神经网络专家系统 | 第38-41页 |
| 3．2．6．1 专家系统开发的“瓶颈”问题 | 第38-40页 |
| 3．2．6．2 神经网络专家系统 | 第40-41页 |
| 3．2．7 专家系统的知识更新和先进技术的跟踪 | 第41-42页 |
| 第四章 Web数据库技术 | 第42-57页 |
| 4．1 数据库系统的形成和发展 | 第42-45页 |
| 4．1．1 数据管理的发展 | 第42-43页 |
| 4．1．2 数据模型 | 第43-44页 |
| 4．1．3 数据库管理系统（DBMS） | 第44-45页 |
| 4．2 关系数据库管理系统Microsoft SQL Server 2000 | 第45-47页 |
| 4．2．1 SQL Server的概念 | 第45页 |
| 4．2．2 SQL Server的网络结构 | 第45-46页 |
| 4．2．3 SQL Server数据库特征 | 第46-47页 |
| 4．2．4 Microsoft~（?）SQL Server~（TM）2000的新增特性 | 第47页 |
| 4．3 Web数据库 | 第47-56页 |
| 4．3．1 基于Web的B／S结构 | 第48-49页 |
| 4．3．2 Web数据库概念 | 第49页 |
| 4．3．3 Web数据库的优点 | 第49-50页 |
| 4．3．4 Web数据库平台开发 | 第50页 |
| 4．3．5 Web数据库开发技术 | 第50-53页 |
| 4．3．5．1 CGI | 第50-51页 |
| 4．3．5．2 ISAPI | 第51页 |
| 4．3．5．3 IDC | 第51页 |
| 4．3．5．4 ASP | 第51-52页 |
| 4．3．5．5 PHP | 第52页 |
| 4．3．5．6 各种技术的比较及选择 | 第52-53页 |
| 4．3．6 利用ASP技术实现Web与数据库的快速交互 | 第53-56页 |
| 4．4 本专家系统的数据库开发方案 | 第56-57页 |
| 第五章 系统总体结构设计和各功能模块的设计及实现 | 第57-69页 |
| 5．1 系统目标 | 第57页 |
| 5．2 用户分析 | 第57-58页 |
| 5．3 结构设计 | 第58页 |
| 5．4 系统的总体结构框架 | 第58-59页 |
| 5．5 系统的主要功能 | 第59-60页 |
| 5．6 系统各功能模块的设计及实现 | 第60-69页 |
| 5．6．1 设计原则 | 第60-61页 |
| 5．6．2 系统数据组织 | 第61页 |
| 5．6．3 功能模块设计 | 第61-63页 |
| 5．6．4 子系统功能模块设计 | 第63-69页 |
| 5．6．4．1 安全登录 | 第63页 |
| 5．6．4．2 用户注册模块 | 第63页 |
| 5．6．4．3 用户登录模块 | 第63页 |
| 5．6．4．4 塑料模具材料浏览模块 | 第63-64页 |
| 5．6．4．5 塑料模具选择模块 | 第64页 |
| 5．6．4．6 塑模材料技术文档模块 | 第64页 |
| 5．6．4．7 用户留言模块 | 第64页 |
| 5．6．4．8 管理员登录模块 | 第64页 |
| 5．6．4．9 塑模材料管理模块 | 第64页 |
| 5．6．4．10 注册用户管理模块 | 第64页 |
| 5．6．4．11 技术文档管理模块 | 第64页 |
| 5．6．4．12 用户留言管理模块 | 第64-69页 |
| 第六章 塑模材料数据库的结构设计 | 第69-77页 |
| 6．1 概念结构设计原理 | 第69-70页 |
| 6．2 数据关系分析 | 第70-73页 |
| 6．2．1 建立数据库模型的方法 | 第70-71页 |
| 6．2．2 项目数据库的逻辑设计 | 第71-73页 |
| 6．2．3 项目数据库的物理结构设计 | 第73页 |
| 6．3 物理结构设计中的关键技术 | 第73-77页 |
| 6．3．1 利用ADO访问数据库的步骤 | 第73-75页 |
| 6．3．2 Web数据的完整性和一致性 | 第75-76页 |
| 6．3．3 视图 | 第76页 |
| 6．3．4 触发器 | 第76-77页 |
| 第七章 塑料模具材料远程选择优化专家系统的推理机制 | 第77-92页 |
| 7．1 系统的推理机制 | 第77页 |
| 7．2 系统推理的具体实现 | 第77-87页 |
| 7．2．1 基于规则的推理（RBR） | 第77-80页 |
| 7．2．1．1 正向推理的基本思想 | 第79页 |
| 7．2．1．2 正向推理的算法 | 第79-80页 |
| 7．2．1．3 系统RBR的实现 | 第80页 |
| 7．2．2 基于实例的推理（CBR） | 第80-81页 |
| 7．2．2．1 CBR的基本原理 | 第80-81页 |
| 7．2．2．2 CBR推理的特点 | 第81页 |
| 7．2．3 实例的检索与检索模型 | 第81-83页 |
| 7．2．3．1 实例的检索与检索模型简述 | 第81-82页 |
| 7．2．3．2 实例库及推理模型的建立 | 第82-83页 |
| 7．2．3．2．1 实例库的建立 | 第82-83页 |
| 7．2．3．2．2 推理机制的建立 | 第83页 |
| 7．2．4 基于神经网络的注塑模具选材推理机制 | 第83-87页 |
| 7．2．4．1 基本结构 | 第83-85页 |
| 7．2．4．2 实现方法 | 第85-87页 |
| 7．3 模具选材知识库的扩充 | 第87-92页 |
| 7．3．1 扩展的模具材料选择知识框架 | 第88-89页 |
| 7．3．2 模具选材知识发现算法 | 第89-92页 |
| 第八章 应用实例 | 第92-102页 |
| 8．1 强化型热塑性塑料模选材优化过程 | 第92页 |
| 8．2 塑料模具材料远程选择优化专家系统运行界面 | 第92-98页 |
| 8．2．1 主页面 | 第92-93页 |
| 8．2．2 塑模材料浏览页面 | 第93-94页 |
| 8．2．3 塑模材料选择应用页面 | 第94页 |
| 8．2．4 塑料模具选材应用实例页面 | 第94-98页 |
| 8．2．4．1 强化型热塑性塑料模 | 第94-96页 |
| 8．2．4．2 规则选材应用实例页面 | 第96-98页 |
| 8．3 实例的参考和系统技术文件的生成 | 第98页 |
| 8．4 塑料模具材料选择知识框架扩展应用实例 | 第98-102页 |
| 结束语 | 第102-104页 |
| 1 系统特点 | 第102-103页 |
| 2 系统的不足之处及展望 | 第103-104页 |
| 参考文献 | 第104-108页 |
| 攻读学位期间发表的论文 | 第108-109页 |
| 致谢 | 第109-110页 |
| 附录1 塑料模具材料选择远程专家系统所有子功能模块的文件组织 | 第110-112页 |
| 附录2 塑料模具选材数据库pmmes所有的数据表名 | 第112-121页 |
