知识管理中RS-CBR案例检索研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 存在的主要问题和研究出发点 | 第11-12页 |
| 1.4 组织结构和主要研究内容 | 第12-14页 |
| 1.5 本文的创新点 | 第14-15页 |
| 2 相关理论综述 | 第15-30页 |
| 2.1 知识和知识管理 | 第15-17页 |
| 2.1.1 知识 | 第15-16页 |
| 2.1.2 知识管理 | 第16-17页 |
| 2.2 CBR相关理论 | 第17-22页 |
| 2.2.1 CBR起源与应用 | 第17-18页 |
| 2.2.2 CBR过程模型 | 第18-21页 |
| 2.2.3 CBR在知识管理中的应用 | 第21-22页 |
| 2.3 RS相关理论 | 第22-29页 |
| 2.3.1 RS相关概念 | 第23-25页 |
| 2.3.2 RS特点与应用 | 第25-28页 |
| 2.3.3 RS与CBR在案例检索中的结合 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于RS的案例属性约简和权重配置 | 第30-52页 |
| 3.1 数据预处理 | 第30-37页 |
| 3.1.1 连续型数据的离散化处理 | 第30-35页 |
| 3.1.2 决策表数据补缺 | 第35-37页 |
| 3.2 基于RS的案例属性约简 | 第37-41页 |
| 3.2.1 基本算法 | 第38页 |
| 3.2.2 差别矩阵法 | 第38-39页 |
| 3.2.3 基于属性重要度的约简算法 | 第39-41页 |
| 3.3 基于RS和FAHP的案例属性综合权重配置 | 第41-51页 |
| 3.3.1 基于粗糙集的案例属性完备客观权重配置 | 第41-44页 |
| 3.3.2 基于FAHP的案例属性主观权重配置 | 第44-47页 |
| 3.3.3 案例属性综合权重配置 | 第47-51页 |
| 3.4 本章小结 | 第51-52页 |
| 4 案例表示、组织索引及匹配计算 | 第52-70页 |
| 4.1 案例表示机制 | 第52-57页 |
| 4.1.1 案例概述 | 第52-53页 |
| 4.1.2 案例表示方法 | 第53-56页 |
| 4.1.3 案例结构设计 | 第56-57页 |
| 4.2 案例组织索引 | 第57-59页 |
| 4.2.1 案例组织索引概述 | 第57-59页 |
| 4.2.2 本文的案例组织索引 | 第59页 |
| 4.3 案例匹配计算 | 第59-69页 |
| 4.3.1 案例匹配算法研究 | 第59-61页 |
| 4.3.2 案例相似性度量 | 第61-63页 |
| 4.3.3 模糊C均值聚类算法 | 第63-68页 |
| 4.3.4 本文案例匹配计算流程设计 | 第68-69页 |
| 4.4 本章小结 | 第69-70页 |
| 5 结论与展望 | 第70-72页 |
| 5.1 结论 | 第70页 |
| 5.2 展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第77页 |
