| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·CD/CM概念的提出 | 第10-11页 |
| ·机会的含义和性质 | 第11-13页 |
| ·CD和相关学科的分析比较 | 第13-16页 |
| ·人工智能和多智能体系统 | 第13-14页 |
| ·控制论和系统论 | 第14-15页 |
| ·经济学和决策论 | 第15页 |
| ·知识发现KDD | 第15-16页 |
| ·机会和机会发现的技术手段分析 | 第16-17页 |
| ·本文目的和主要工作 | 第17-19页 |
| 第2章 溯因推理对机会的假设性解释 | 第19-33页 |
| ·溯因推理的哲学背景 | 第19-20页 |
| ·求解溯因的方法 | 第20-25页 |
| ·假设生成和选择 | 第25-27页 |
| ·溯因推理解释机会发现 | 第27-32页 |
| ·一般溯因推理刻画机会发现 | 第28页 |
| ·溯因类比推理 | 第28-30页 |
| ·多主体溯因推理 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 Lm4c族对机会发现相关性的刻画 | 第33-45页 |
| ·CD相关性原则 | 第33-35页 |
| ·初始系统Lm4c | 第35-36页 |
| ·一种带前提的Lm4c改进系统 | 第36-39页 |
| ·机会发现相关性的形式语义描述 | 第39-42页 |
| ·机会发现相关性的基本定义 | 第39-41页 |
| ·机会的相关性解释 | 第41-42页 |
| ·基于改进的Lm4c系统和溯因推理的机会发现过程 | 第42-44页 |
| ·Lm4c扩张系统和AAR结合 | 第43页 |
| ·效果分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于KeyGraph的机会发现建模 | 第45-69页 |
| ·KeyGraph | 第45-48页 |
| ·KeyGraph创新的直觉 | 第45-46页 |
| ·KeyGraph作为机会发现的工具 | 第46-48页 |
| ·KeyGraph于研究上的限制 | 第48页 |
| ·一种基于小世界与遗传算法的KeyGraph参数优化机制 | 第48-53页 |
| ·遗传算法 | 第49-50页 |
| ·小世界网络模型 | 第50-52页 |
| ·KeyGraph参数优化机制 | 第52-53页 |
| ·一种基于映射算法的KeyGraph扩充 | 第53-61页 |
| ·用精简数据方法发现机会的过程 | 第54-56页 |
| ·一种情节到数据的映射算法 | 第56-58页 |
| ·效果分析 | 第58-61页 |
| ·一种新的基于KeyGraph的双螺旋模型 | 第61-68页 |
| ·机会发现的双螺旋模型 | 第61-65页 |
| ·一种CD的形式系统 | 第65-66页 |
| ·基于交互式遗传算法的机会路径机制 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第75-76页 |
| 致谢 | 第76页 |