| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 第一章 绪论 | 第14-18页 |
| ·研究的目的意义 | 第14页 |
| ·国内外研究现状 | 第14-16页 |
| ·知识服务研究 | 第14-15页 |
| ·语义网研究 | 第15-16页 |
| ·解决的问题 | 第16页 |
| ·本文的创新点 | 第16-18页 |
| 第二章 基于语义的农业知识服务框架研究 | 第18-29页 |
| ·关键技术 | 第18-22页 |
| ·Web 服务 | 第18-20页 |
| ·网格计算 | 第20-22页 |
| ·系统框架研究 | 第22-26页 |
| ·知识服务前台模块 | 第24页 |
| ·知识管理模块 | 第24-25页 |
| ·知识获取模块 | 第25-26页 |
| ·Web 服务模块 | 第26页 |
| ·语义推理模块设计 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 领域本体与基于本体的语义推理 | 第29-40页 |
| ·本体 | 第29-31页 |
| ·本体的定义 | 第29-30页 |
| ·本体的描述语言 | 第30页 |
| ·农业领域本体 | 第30-31页 |
| ·本体的逻辑推理描述 | 第31-33页 |
| ·描述逻辑的体系 | 第32页 |
| ·描述逻辑的推理机制 | 第32-33页 |
| ·逻辑推理规则 | 第33-34页 |
| ·基于 SWRL 的语义推理 | 第34-37页 |
| ·SWRL 架构 | 第34-36页 |
| ·SWRL 规则 | 第36-37页 |
| ·SWRL 推理规则构建 | 第37-39页 |
| ·SWRL Editor | 第37-38页 |
| ·SWRL Editor 与推理引擎的整合 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 蚁群算法与语义相似度算法 | 第40-48页 |
| ·蚁群算法 | 第40-44页 |
| ·蚁群算法基本原理 | 第40页 |
| ·蚁群算法的算法模型与实现流程 | 第40-44页 |
| ·语义相似度 | 第44-46页 |
| ·概念相似度 | 第44-46页 |
| ·属性相似度 | 第46页 |
| ·语义相似度计算 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 基于蚁群算法的语义推理 | 第48-64页 |
| ·语义推理模块框架设计 | 第48-50页 |
| ·语义推理模块框架结构 | 第48-49页 |
| ·语义推理模块应用模式 | 第49-50页 |
| ·语义开发环境与开发工具 | 第50-53页 |
| ·基于 Jena 的语义开发环境 | 第50-53页 |
| ·基于 Protege OWLAPI 的语义开发环境 | 第53页 |
| ·JESS | 第53-55页 |
| ·Jess 的基本组成与知识表示 | 第54-55页 |
| ·Jess 的推理机制 | 第55页 |
| ·基于蚁群算法的规则选择 | 第55-63页 |
| ·规则簇类聚合计算 | 第56-60页 |
| ·基于蚁群算法的簇类选择 | 第60-62页 |
| ·簇类规则选择 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 基于蚁群算法的语义推理模块设计实现 | 第64-78页 |
| ·鳜鱼疾病诊断本体构建 | 第64-68页 |
| ·概念定义 | 第64-66页 |
| ·关系描述 | 第66-68页 |
| ·基于 SWRL 的鳜鱼疾病诊断推理规则构建 | 第68-69页 |
| ·语义推理模块实现 | 第69-75页 |
| ·模块解析器算法实现 | 第69-73页 |
| ·Jess 引擎调用 | 第73-75页 |
| ·鳜鱼疾病诊断推理系统实现 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 第七章 总结与展望 | 第78-79页 |
| ·成果总结 | 第78页 |
| ·下一步工作的展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 致谢 | 第82-83页 |
| 作者简历 | 第83页 |