一、医学专家系统中知识表示、获取和推理的两种方法（论文文献综述）
石英杰[1]（2021）在《基于病机模型的胸痹病中医智能辅助诊断方法研究》文中研究表明研究目的在中医理论和临床思维指导下,通过对中医辨证方法和病机理论的研究,引入适用于中医药异构数据特点的自然语言处理技术,构建适用于胸痹病智能辅助诊断的相关数据库。通过模拟临床上专科诊断路径设计基于胸痹病辨证要素的辨证模型,模拟全科诊断路径,构建基于病机模型的病机知识图谱,以胸痹病为例进行应用和验证,为中医智能辅助诊断方法研究提供一种新的思路。研究方法基于研究目的实现形式,研究工作包含了理论分析和应用验证两方面。（1）引入适用于中医药异构数据的自然语言处理技术,自动化采集胸痹病相关的诊疗标准数据及症状数据,结合人工校对构建适用于中医智能辅助诊断的相关诊断数据库;（2）通过对证素辨证等理论的研究,设计一种辨证要素的多层次表示框架,提取胸痹病辨证要素,应用深度学习技术,将中医辨证过程转化为多标签文本分类的算法构建辨证模型,模拟基于专科知识的中医辨证路径。（3）通过对中医病机与证候关系的理论研究,设计一种病机要素的层级框架,通过对《中医临床诊疗术语第2部分:证候》的证候病机数据进行提取与分析挖掘,分析症状体征与病机要素的关系、病机要素的组合模式挖掘、病机单元之间的逻辑关系分析,设计出结构合理的病机模型,并构建病机知识图谱用于病机推理和证候预测。（4）筛选胸痹病名老中医医案,分别应用基于辨证要素的辨证模型、基于病机模型的病机知识图谱,进行证候诊断的预测,评价两种方法各自的优势和劣势,探寻一种融合两种方法优势的中医智能辅助诊断实现方法。研究结果（1）在胸痹病中医智能辅助诊断相关的诊断数据库的构建中,引入了一种基于字的序列标注模型的自然语言处理技术来进行数据的自动化采集,明显提高了工作效率,减少了人为误差,共提取不同来源的胸痹病相关标准的证候22个,形成含有症状多维属性的证候-症状数据条目380条,诊断知识数据共提取相关证候125个,形成含有症状多维属性的证候-症状数据条目2619条。构建了含有症状概念词441个,症状词22758个的症状数据库,可以实现对输入症状的规范化处理,同时还可以将新增症状数据不断补充到数据库中,使得该数据库具备不断扩展的能力,实现对各种症状术语更高的识别率。（2）遵循中医思维和辨证过程,将中医证候细化分类,分为复合证、最小证、基本证（包含基本证兼夹型）的类别。通过还原辨证过程中证候诊断的推理过程,并对证候名称的组成要素进行分析,设计出辨证要素多层次表示框架,将辨证要素分为病位要素、病性要素（基本物质、病因、病理状态）、连接词2层5类。采用一种基于模式匹配思想的模式抽取方法,实现了辨证要素的自动化提取技术,通过测试完全准确占比达到71.4%;需部分人工校占比26.4%;完全错误占比2.2%。该方法适用于挖掘大批量中医药诊疗数据中的证候名称及辨证要素,为辅助诊断提供数据支持。（3）通过对胸痹病国家标准、教材、行业标准中的辨证要素的提取,构建了胸痹病的辨证要素多层次分类的数据集。以胸痹病辨证要素作为分类标签,应用深度学习技术,设计构建了症状-证素、症状-最小证、症状-证候三个多标签文本分类辨证模型,通过筛选出符合胸痹病诊断的名医医案进行模型的训练和测试,模型对辨证要素的预测准确率F1值能够达到82.90%,证候诊断准确率F1值达到72.08%。（4）通过对中医病机与证候的理论研究,梳理出了疾病、症状体征、病机与证候的关系,并进一步根据病机和证候名称的语义内涵进行分析,寻找病机模型构建的理论基础。以证候病机数据作为研究对象,通过对证候病机数据中提取的病机要素进行研究,设计出病机要素的层级框架,将病机要素分为具有4层32类,对《中医临床诊疗术语第2部分:证候》中的病机单元数据共5675条病机单元数据进行提取,共提取出病机要素851个。其中病位要素197个,病性要素619个,连接词44个。病性要素中基本物质30个,生理功能50个,病因207个,病理状态332个。然后分析症状体征与病机要素的关系、病机要素的组合模式、病机单元之间的逻辑关系,构建证候-病机单元-病机要素-症状体征的病机模型,并基于此模型,构建病机知识图谱,在病机知识图谱中实现知识检索和知识查询,同时可以实现病机推理和证候预测功能。（5）根据纳入标准筛选胸痹病的名老中医医案111例,在对症状体征信息规范化处理后,分别对基于辨证要素的辨证模型、基于病机模型的病机知识图谱进行应用测试。最终,基于辨证要素的辨证模型辨证准确34例,基本准确45例,错误32例,模型准确率71.17%;病机知识图谱辨证准确21例,基本准确52例,错误38例,病机知识图谱准确率65.77%。两种方法各有优势,基于辨证要素的辨证模型辨证准确率较高,病机知识图谱准确率略低,但是中间增加了病机要素推理过程,对于中医辨证思维的还原性较高,使得推理结果可解释性增加。（6）分别按基于辨证要素的辨证模型与病机知识图谱推理结果的权重按比例6:4和4:6进行融合方案的验证与测试。权重比为6:4的融合结果为辨证准确51例,基本准确35例,错误25例,总准确率77.48%;权重比为4:6的融合结果为辨证准确56例,基本准确36例,错误19例,总准确率达到82.89%,是几种方法中准确率最高的方案。研究结论（1）通过分析中医药异构数据的数据结构和语义特点,引入合适的自然语言处理技术,可以对中医药异构数据进行自动化处理,提高数据处理效率,降低人工成本,设计结构合理且包含症状多维属性的中医诊断数据库,能够实现很好的数据和知识扩展,为中医智能辅助诊断相关研究提供更好的数据支撑。（2）通过对中医证候名称数据的结构和语义表达规律进行研究,首次提出了一种辨证要素多层次表示框架,尤其适用于自然语言处理技术对中医证候数据的处理,应用基于模式匹配思想的模式抽取方法可以批量处理不同来源的证候数据。通过对胸痹病辨证要素的提取,以胸痹病辨证要素的多层次框架作为标签体系,使用深度学习技术,构建出症状-证素、症状-最小证、症状-证候多标签文本分类辨证模型。该辨证模型经过测试具有很好的准确率,可以用于胸痹病辨证诊断,模拟基于专科知识的中医辨证路径。（3）通过对中医病机与证候关系的理论研究,以证候病机数据作为研究对象,设计病机要素的层级框架,以及在该框架下将国家中医药管理局推广的最新修订的《中医临床诊疗术语第2部分:证候》中的病机单元数据进行提取,构建出证候病机数据库。通过分析挖掘症状体征与病机要素的关系、病机要素的组合模式规律、病机单元之间的逻辑关系,遵循中医辨证的基本思维方法,应用病机要素的层级框架设计病机模型,以病机为核心将症状体征和证候信息统一到同一框架之内,模拟类似全科辨证思维路径,构建病机知识图谱,实现病机推理和证候预测等功能。（4）本研究设计的基于辨证要素的辨证模型、基于病机模型的病机知识图谱在证候预测方面各有优劣,都具有一定的准确率,基于辨证要素的辨证模型诊断准确率较高,但是对部分复杂证候诊断准确率不如病机知识图谱;基于病机的知识图谱具有对病机要素的预测路径,使得辅助诊断的结果可解释性进一步增加,两种辅助诊断的方法具有一定的优势互补。进而研究中采用了基于一定权重比例的融合方案进行验证与测试,结果优于使用单一方法的准确率。因此,基于两种方法融合的方案应该是本研究的最佳方法。
陈东华[2]（2020）在《面向决策支持的医学文本语义分析方法研究》文中指出随着医疗信息化的快速发展,医疗信息系统中存储着各类医疗数据的体量不断增长,海量异构医疗数据的分析成为推动医疗健康领域管理决策支持的挑战。医学文本信息是推动该领域相关研究的重要数据基础。患者的电子病历中包含了大量症状、诊断、病程、会诊等文本信息,充分利用这些包含丰富临床医学知识的医学文本对医疗健康领域决策支持非常重要。然而,当前这些有价值的医学文本却难以有效地应用在实际医院管理、临床决策支持、个人健康管理、公共卫生决策等实际场景中,原因包括:非结构化医学文本无法精准结构化、医学文本丰富的语义信息致使难以分析、医学文本信息无法脱离具体的医学情境、不一致的医疗信息标准导致信息交换困难、不同医疗机构之间共享数据机制的缺失等。这些问题的根源在于医学文本是特殊的专业领域语言,不仅具有各类语义信息,还包含丰富医学领域知识。有效的医学文本语义分析成为解决这些难题的关键技术。当前语义分析研究更多地是研究面向通用领域的自然语言处理技术,相关技术虽然在方法上进行创新,却无法结合医学场景和领域知识推动医学文本语义的分析,致使无法为机器学习乃至深度学习模型提供高质量训练数据集,降低决策的质量。同时,海量医疗文本在分布式计算环境的分析和处理也成为利用这些数据分析决策的障碍和挑战,现有研究遇到了方法和性能上的瓶颈。本博士研究依托国家自然科学基金重点项目“大数据驱动的智慧医疗健康管理创新”（编号:71532002）,在充分对国内外理论和技术文献综述基础上围绕着面向决策支持的医疗文本语义分析相关方法进行研究,研究内容包括医学场景下的文本语义分析、医疗信息标准化、领域知识建模、机器学习和大数据分析等方法,解决当前医疗信息行业中海量医学文本数据挖掘和分析的难题,为大数据时代下我国医疗信息化发展提供借鉴。研究内容和结果如下:（1）基于自然语言处理的医学文本结构化和标准化方法首先分析现有中文和英文电子病历中存在的医学文本特征和信息结构,建立基于N-Gram的医学文本语义模型。然后,针对非标准化的医学叙述性文本,研究具体的医学文本分析任务,对医学文本进行分词、词性标注、语义关系提取等分析,提出针对中文病历文本的自动结构化处理方法;结合医学场景的语义和语境知识,以中文超声检查报告分析为例,对该类文本关键信息进行分解、标注和重组。结果表明,基于语义分析的医学文本分析方法在医学文本结构化、分词、标注等文本分析任务的性能得到明显提升。（2）基于领域知识库的医学文本语义分析和知识发现方法首先研究医学领域的相关知识库,并分析这些知识库在医学文本数据挖掘和知识发现上的应用前景。然后,为了解决医学文本语义相似度计算方法,提出一种基于加权Levenshtein距离和N-Gram的文本相似度计算方法。为了解决医学概念相似度计算的问题,提出基于UMLS的医学文本相似度和相关性度量的计算方法。结果表明,在融入医学文本语义特征和领域知识库中医学概念文本定义信息后,基于文本相似度和相关性计算的医学文本分析任务能更好地满足实际需求。最后,针对医院中计算机辅助ICD编码的决策支持场景,融合Word Net语义知识库,提出一种基于语义分析的计算机辅助ICD-11编码方法,提高患者诊断信息编码的精确度和ICD编码员的工作效率。（3）面向决策支持的海量医学文本分析方法及应用案例研究在研究内容（1）和（2）基础上研究面向海量医学文本分析的方法和应用案例,并提出大数据分析性能自动优化方法。首先,研究面向具有复杂结构的医学文本的主题建模方法,分析相关机器学习算法在不同场景的应用特点;然后,针对海量医疗文本数据的分析,创新地提出基于Map Reduce分布式计算模型的医学文本处理方法,并以医疗数据的关联操作和自动编码等应用场景,对提出的分布式医学文本分析方法性能进行实验和分析。最终,提出基于无导数优化理论的Map Reduce性能自动调优方法,解决了海量医学文本分析方法在分布式计算环境运行的方法设计和性能自动优化的关键问题。
沈正飞[3]（2020）在《医疗方案的推荐算法及其应用》文中进行了进一步梳理近年来,随着医学与计算机科学的不断发展,医疗方案的相关推荐方法得到了越来越多的的关注。将人工智能的相关算法应用于医疗方案的推荐上,势必能改善医学诊断,并辅助医生做出更好的诊断,以造福人类。文章紧密围绕医疗方案推荐算法及其应用这一话题展开讨论,研究提升推荐准确性和加快推荐速度的方法。首先,文章介绍了基于知识的医疗方案推荐方法以及基于案例的医疗方案推荐方法。这两种方法被作为文章研究的基础。针对基于知识的推荐方法,文章介绍了决策树结构以及规则化的知识来源;针对基于案例的医疗方案推荐方法,文章介绍了特征工程,k N N算法,并借助优化算法对特征向量中属性的权重进行了优化。在基于案例的医学方案的中,推荐依赖于历史相似患者的治疗方案,这些标签化的数据由专家给出,而针对同一个患者,专家的意见往往不尽相同,这使得标签本身带有一定的不确定性。文章详细地讨论了现有的基于案例的医疗方案推荐方法忽略了样本标签不确定性这一问题,并基于Dempster-Shafer证据理论对标签不确定性进行了分析以改善推荐的性能。实验表明,考虑标签的不确定性确实改善了针对医疗方案推荐预测效果。文章所介绍的医疗方案推荐方法被应用后,系统可能被服务化并部署在云端,有较大的访问量,这对推荐算法的计算速度提出了要求。针对这一问题,文章利用边界树算法对基于案例的医疗方案推荐方法进行了优化,同时充分考虑了标签本身的不确定性。实验表明,文章提出的方法可以在保证推荐准确率的前提下较好地优化推荐速度。针对医疗方案推荐算法的实际应用,文章在最后介绍了推荐系统的系统架构,系统平台使用到的技术,并对推荐系统的运行过程进行了说明。
严行[4]（2019）在《基于本体的绿色建筑技术设计案例推理系统研究》文中提出建筑业作为全球变暖的重要的驱动因素之一,转变其发展模式势在必行。绿色建筑是一种新型建筑,具有节能、节水、节材等特点,能够有效减少建筑对环境影响,为人们提供健康、舒适的人居环境。近年来,我国绿色建筑发展迅猛,然而绿色建筑设计仍面临着诸如:设计效率低、技术选择不合理、经验难以共享等问题,为改革绿色建筑设计手段提出了迫切需求。另一方面,随着计算机和人工智能等技术的普及,建筑设计流程和设计方法也发生了深刻的转变。因此,如何利用人工智能技术整合已有的建筑设计资料,辅助建筑设计师进行设计决策,是提高绿色建筑设计效率和推动建筑业智能化发展的重要手段。本研究以提高绿色建筑技术设计效率和效果为目的,从现有建筑设计流程出发,应用案例推理和本体技术的原理,创新性地提出了基于本体的绿色建筑技术设计案例推理系统。本研究的主要内容包括以下五个方面:（1）建立了绿色建筑技术设计案例推理系统的框架本研究首先对专家决策系统、案例推理理论、本体方法论进行梳理,并对绿色建筑内涵、发展历程、评价体系进行剖析,分析了绿色建筑设计的特点、流程、团队组建和面临挑战,提出了绿色建筑技术设计的基本内容。在此基础上,对比分析了案例推理的流程与绿色建筑技术设计流程的相似性,探讨了案例推理技术与本体技术相结合的优势,提出了绿色建筑技术设计案例推理系统的基本框架。（2）建立了绿色建筑领域本体本研究提出了绿色建筑领域本体,以统一对绿色建筑领域知识特征的表述。为了提高构建本体的效率,本研究提出一种半自动的本体构建方法。在提取绿色建筑领域本体概念时,首先利用自然语言处理技术对绿色建筑标准文本进行预处理,再通过统计术语的词频和出现的文本数提取领域术语集合,然后利用WordNet同义词词典合并同义术语,最终提取绿色建筑领域概念集合。在提取概念间关系时,本研究采用后缀词和层次聚类法提取概念间的分类关系;采用关联规则方法提取概念间的非分类关系。（3）绿色建筑技术设计案例推理系统中的案例库构建原理本研究提出了提出了一种结合案例的基本特征和文本语义特征的绿色建筑技术设计案例表示模型。首先采用文献研究法从现有文献中提取六个案例的基本特征,然后基于绿色建筑领域本体建立案例文本的语义索引,将案例文本最终表示为语义向量,形成统一的案例表达模板,并存储到案例库中。（4）绿色建筑技术设计案例推理系统中的案例检索机制建立案例检索机制的核心是案例之间相似度的计算。针对不同数据类型的基本特征,本研究提出了三种特征相似度计算方法。针对案例文本的语义特征,本研究提出了基于本体的语义检索方法。在此基础上,本研究采用层次分析法确定各个案例特征的权重,建立了案例综合相似度计算模型,最终形成案例检索机制。（5）绿色建筑技术设计案例推理系统的实证研究在系统需求分析的基础上,本研究构建了绿色建筑技术设计案例推理系统的架构和流程。在此基础上,设计了绿色建筑技术设计案例信息输入界面和绿色建筑技术设计案例推理界面。最后对绿色建筑技术设计案例推理系统进行了实证研究。实证结果发现利用该系统检索到历史案例与目标案例确实能够相互借鉴,也验证了本研究所提出的基于本体的绿色建筑技术设计案例推理系统的有效性。本文探索性的将人工智能技术引入到建筑领域,提出的绿色建筑技术设计案例推理系统具有很强的现实意义和理论意义。本研究提出的半自动的本体构建方法对其他领域本体的建立有一定的借鉴意义;同时,本研究提出的案例知识表示模型和案例检索机制丰富了案例推理的理论,能够推广到其他领域的案例推理系统中。在现实中,该系统不仅能够提升绿色建筑技术设计的效率,还能提升设计方案的水平。
杜杏叶[5]（2019）在《学术论文关键指标智能化评价研究》文中研究指明以学术论文为载体的科研成果是国家知识创新的重要组成部分,对学术论文进行科学评价是进行知识创新绩效评价的前提。目前,科研成果评价主要以专家匿名的方式进行评审,这种方式受专家自身学术知识水平和学科领域范围等限制,其评审的结果有一定的局限性,可能使得一些优质科研成果被遗漏或迟滞发表,也可能使另一些学术价值相对不高的成果发表在重要的学术期刊上。这将给科学研究的发展带来比较严重的后果,对国家创新能力发展带来负向作用。当前,学术界科研作假等学术不端现象屡有出现,催生了全社会对科研成果尤其是学术论文进行科学评价的迫切需求。因此本研究以人工智能等理论与技术为基础,并结合学术论文评价理论与实践,构建了学术论文智能评价的关键指标,提出智能化评价方法,以期将学术成果评价从主要依靠人工评价转向智能化评价,克服纯粹依靠专家匿名评审的不足。在对当前学术论文评价相关研究进行梳理和分析的基础之上,本文将主要从以下五个方面进行深入研究。（1）构建学术论文评价关键指标体系。在对学术论文深入分析的基础上,采用扎根理论方法对专家评价意见进行编码分析,通过对五个主范畴的研究和比较分析,系统梳理了主范畴与学术论文评审因素之间的关系,构建出结构层次清晰的学术论文评价关键指标。采用主成分分析方法确定指标权重,进一步完善了学术论文评价关键指标体系。（2）建立学术论文智能化评价框架。在传统学术论文评审流程基础上,将大数据、人工智能和其他信息技术融入到学术论文智能化评价的过程,将智能化框架分为三个主要模块:一是自动规范性检查模块;二是专家评价系统模块;三是编辑部处理模块。该智能化评价框架有望将基于智能化评价的学术论文评价理论与方法形成可供学术界实际应用的流程,在实施科学评价的同时,推动学术论文的规范化写作,提高学术论文的写作质量,并最终促进科学研究成果更好地传播与交流。（3）提出学术论文选题新颖性智能化评价方法。构建了学术论文选题新颖度识别与评价流程。进而提出了选题新颖性智能化评价过程,通过构建研究热点地图、特征向量分析及新颖性判断实现选题新颖性指标的智能化评价。最后采用实证研究的方法验证了该方法的可行性。（4）提出学术论文内容创新性智能化评价方法。在学术论文内容分析的基础上,构建了学术论文知识元本体模型,提出了知识元抽取规则,利用Word2Vec和朴素贝叶斯（Naive Bayes）方法对学术论文理论与方法创新进行分类,采用SVM模型构建知识元抽取规则库。在学术论文知识元库构建基础上,提出学术论文研究问题创新性、理论创新性、方法创新性、结论创新性智能化评价的基本方法,构建学术论文创新性智能化评价过程,最后采用实证验证了方法的可行性。（5）提出学术论文引文科学性智能化评价方法。分析引文层次,构建引文评价维度。提出基于引文的学术论文智能化评价思路和步骤,包括高相关学术论文识别、目标文章引用类型识别等内容,构建引文评价模型。通过实证研究验证评价模型和方法的可行性,并对引文评价模型进行修正。本文基于智能化评价的研究视角,运用人工智能的相关理论与方法,构建学术论文评价框架,突破了传统学术论文基于有限同行的评价模式,克服了专家评议的主观性弊端,同时提升了学术论文评价的效率和质量。在理论层面,通过建立学术论文关键指标及其智能化评价框架,将人工智能理论、技术和方法融入了学术论文评价体系,完善和深化了学术论文智能化评价的理论与方法体系。在实践层面,构建了学术论文智能化评价框架,通过实证研究探讨了选题新颖度、内容创新性和引文科学性三个主要指标的智能化评价过程。本研究建立了可供学术界实际应用的论文智能化评价流程,能够引导学术论文写作规范化,促进科学研究成果高效传播与交流,提升科学成果评价的质量和效率,进而推动国家科技创新成果评价的发展。未来将建立智能化综合评价系统,实现学术论文的创新性、科学性、价值性等的评价和自动评审意见的撰写,以推动大数据与人工智能技术在学术评价领域的深度应用。
孔江涛[6]（2019）在《面向目标体系分析的知识推理与复杂网络节点评估技术研究》文中研究说明现代战争的对抗,表现为作战力量及资源之间的系统较量。如何选择目标进行打击以达到有效击伤或瘫痪敌方体系是指挥决策的关键,因此使用体系思维进行目标分析事关军事行动成败。本文开展目标体系分析相关的理论和方法研究具有重要意义。传统的目标体系分析大多是基于建好的目标体系进行关键目标和部位的分析。但是现代战争对抗激烈,目标体系内部关系复杂且动态变化,同时受到战场“迷雾”影响,如何快速、高效、准确的构建出对方的目标体系和进行目标体系分析变得更具挑战性。为此,本文提出了支持动态迭代执行的目标体系分析方法流程,涉及使用基于图的知识表达方法对目标体系构建知识形式化描述,使用缺省推理方法自动构建目标体系结构关系模型（target architecture relationship model,TARM）,和基于TARM转化建立的目标体系复杂网络动力学模型进行目标体系关键节点分析。本文的主要工作和创新点如下:（1）提出基于图规则的灵活同态和高效的灵活同态搜索算法。使用基于图的知识表达方法对目标体系进行描述时,难以建立统一的概念关系偏序结构,为此,本文对传统的图同态进行改进,提出基于多概念关系偏序结构的灵活同态推理,提升规则使用灵活性。灵活同态搜索是使用图规则的基本操作,其为典型的NP难问题,为提高图规则使用效率,本文研究了三种技术,分别是通过强化学习优化规则前件节点的匹配顺序、使用节点统计数据优化概念关系备选节点比较序列、以及使用节点标签过滤灵活同态备选节点,它们组合形成了一种高效的同态混合搜索算法。灵活同态和同态混合搜索算法共同为TARM的快速推理构建奠定了知识表达基础。（2）提出基于层次结构优先序的缺省推理方法。战场不透明导致推理出的TARM具有多种可能,同时随着战争的推进,TARM也会发生变化,所以TARM的构建具有非单调性。本文对传统的缺省推理进行改进,提出了一种新的基于层次结构优先序的随机缺省推理方法。该方法建立了缺省规则图结构优先序,避免了基于严格全序的传统缺省推理导致的缺失部分可能TARM的问题。在进行推理时,该方法在缺省规则图结构优先序约束下,依概率随机选择缺省规则序贯推理,具有良好的并行性。面对多个可能的合理扩展,新方法在这些扩展间建立了基于期望准确率、期望精确度和期望召回率的优先序,用于确定稳健的缺省理论语义,使推理构建TARM的失败决策代价最小。（3）提出基于深度递归神经网络（recurrent neural network,RNN）的缺省推理方法。使用基于层次结构优先序的随机缺省推理方法得出所有可能TARM的计算复杂度高,为此,本文在我其上融入了RNN模型,提出使用RNN指导缺省规则的选择使用,以提高推理效率和针对性。通过对TARM的推理历史数据进行分类,建立相应的训练数据集用以训练RNN,训练好的RNN在图规则优先序的约束下为随机推理推荐使用规则,减少了无效规则使用次数,提高了推理生成合理扩展的效率。相比于基于层次结构优先序的缺省推理,融入RNN的缺省推理更具有针对性,能够更加高效地产生符合需求的TARM。同时,针对RNN训练数据生成计算复杂的问题,本文提出了训练数据简化处理方法,有效提高了训练数据准备的处理效率。（4）提出基于复杂网络动力学模型的节点评估方法。传统的基于复杂网络的节点分析方法大多是基于拓扑结构信息评估节点的重要性,忽略了节点自身特性。针对目标体系中各节点内在特性区别明显的实际特征,本文提出了基于复杂网络动力学模型的节点评估方法,具体包括扰动测试和破坏测试两种评估方式,通过动力学仿真实现了针对节点自身功能被破坏可恢复和被破坏不可恢复两种情况下的节点重要性评估,其中动力学模型是基于TARM转化建立出的。扰动测试和破坏测试包含了网络拓扑结构信息和节点自身特性,揭示了目标体系结构运行机理,所以基于复杂网络动力学模型的节点评估方法能更加全面地反映目标体系中不同节点的重要性。基于以上研究,本文设计并实现了目标体系辅助分析原型系统,在原型系统中实现了基于虚拟机（virtual machine,VM）的并行缺省推理框架,有效提高了TARM的推理构建效率。设计出了基于缺省规则结论的节点编码方式,有效降低了扩展准确率、精确度和召回率的计算复杂度。采用了基于HTML的图形化显示,使原型系统的人机交互更加友好。最后,基于典型目标体系分析案例,实验结果表明论文提出的方法合理、有效。
高筱卉[7]（2019）在《美国“以学生为中心”的大学教学设计模式和教学方法研究》文中提出本研究是关于美国大学在“以学生为中心”的本科教学改革（student-centered undergraduate education reform,以下简称SC改革）过程中所创造的新的教学设计模式和教学方法的系统梳理和研究。SC改革把学生放在首位,从促进学生发展、强化学生学习、关注学习效果三个角度去改善本科教学。和“教材为中心、教师为中心、教室为中心”的传统教学模式相比,SC改革强调“以学生发展为中心、以学生学习为中心、以学习效果为中心”,故又称“新三中心”改革。美国大学的SC改革始于1990年左右,并在此后30年席卷了美国所有高校,至今仍在继续。在这场改革中,美国大学的教师和研究人员创造出了很多新的教学理念、教学设计模式和教学方法。这些都大大提高了学生的学习水平,促进了学生的发展,改善了美国的本科教育,为美国社会发展做出了贡献,并使美国本科教育成为世界许多国家学习的榜样。美国大学的SC改革之所以能取得今日成就,与过去近百年来,尤其是过去30年来国际学术界在脑科学、发展科学、认知科学、学习科学等领域所取得的巨大进步有关。正是这些学术进步表明,传统的老三中心模式是过时的,而新三中心模式是更加符合科学的。因此在研究SC改革教学设计模式和教学方法时,必须关注它的科学基础。只有这样,我们才能真正把SC改革放在科学基础之上。只有明白了科学基础,才能提高SC改革的自觉性,才能提高改革的效果和效益。目前中国也开始了类似的本科教学改革。2018年教育部高教司在全国发起了全面振兴本科教育的攻坚战,开启了中国本科教育新时代。改革的方向是推动以学生为中心的本科教学改革,重点是改革本科课程教学,以打造“金课”、杜绝“水课”为标准。这场振兴中国本科教育质量的攻坚战已经在全国高校中引起巨大反响。然而在改革中,很多老师心有余而力不足,不知道如何打造“金课”,如何杜绝“水课”。美国大学在SC改革中创造的教学设计模式和教学方法显然非常值得我们参考。然而不幸的是,中英文文献中都没有关于这些教学设计模式和教学方法的系统梳理和介绍。为了推动中国本科教学改革,帮助老师全面了解和掌握美国大学创造的教学设计模式和教学方法,本研究把系统梳理和介绍美国大学在SC改革中创造的教学设计模式和教学方法作为研究主题。本研究做了四个方面的努力。一是全面收集和梳理美国大学在SC改革中创造的被证明行之有效的教学设计模式和教学方法,并对它们的成就、经验和影响做出适当分析和评价;二是简要介绍国际学术界在脑科学、发展心理学、认知科学、学习科学四个领域的学术进步,并说明它们对本科教学的价值和意义;三是在梳理这些教学设计模式和教学方法基础上,尝试性地提出统一的概念框架和分类模型,以便更好地理解这些模型和方法之间的逻辑关系;四是在梳理和研究时,发现其中的断裂和空白,并尝试性地提出新的教学设计模式和教学方法。最终目的是希望这个研究能为我国大学教师学习美国大学的教学设计模式和教学方法提供参考,为全面振兴中国本科教育做贡献。本文共有五章。第一章是问题的提出,包括介绍研究主题和研究意义、研究方法和研究思路、文献综述等。第二章是理论基础,包括定义基本术语、介绍分类研究方法、综述国际学术界在脑科学、发展科学、认知科学、学习科学方面的进步,为深刻理解SC改革本质及其教学设计模式和教学方法奠定基础。第三章是系统梳理美国在SC改革中创造的教学设计模式,并在此基础上提出了一个四分类系统。这一章批评了美国大学教学设计模式研究中的通用化趋势,同时提出被美国学术界忽略的课程专门化设计模式是提高大学教学学术研究的基本模式,也是彻底根治美国大学教学咨询中针对性不足问题的重要方法。第四章是系统梳理美国大学在SC改革中提出的各种教学法,并根据方法功能分类法把它们整理成一个六分类体系。这个分类法的优点是明确提出教学问题的性质决定教学法选择。因此,教师们要根据教学拟解决问题的性质来选择适当的教学方法。第五章是一个简要总结。因此,本研究有三个创新点:1)首次对美国SC改革中创造的不同教学设计模式和教学方法做一个系统梳理的研究,同时介绍了它们的科学基础;2)首次提出了大学教学设计模式的四分类系统,同时指出课程专门化的教学设计模式是应该努力发展的大学教学设计模式;3)首次梳理了美国在SC改革中创造的各种教学方法,同时提出了教学方法的功能分类法,即根据教学问题的性质选择适当教学方法的原则。但是需要指出,所有这些创新都还是尝试性的,需要在未来的研究中进一步改进和完善。本研究也有三点局限性:1)研究范围仅涉及了教师教学问题,没有涉及教学支持系统问题;2)研究主要依赖文献,缺少现场观察和讨论;3)研究主要关注教学设计模式和教学方法,没有涉及教学环境、教学技术、学习效果评价评估问题。这些方面显然也是大学教学的重要方面。希望今后能对这些问题做进一步研究。
赵玲[8]（2019）在《本体和证据论融合的人类活动识别方法》文中提出随着普适计算和传感器技术的飞速发展,智能家居系统已经逐步迈进人们的生活。目前,用户活动识别技术已被应用到了智能家居领域,也是当今的研究热点之一。在活动识别过程中,由于传感器数据缺失、活动执行顺序不同和活动持续时间不同等多种因素,所以活动具有不确定性的特点。同时,由于智能家居系统中的数据通常来自多个传感器,因此数据在语义、格式、感知速率等方面存在数据异构问题,从而导致知识不能共享。基于本体的活动识别方法因其可重用性强和全面的推理机制而备受关注,但其在处理不确定问题方面的能力较差,从而影响活动识别准确率。针对上述基于本体的活动识别方法中存在的问题和不足,本文提出了基于本体和证据论的人类活动识别方法。本体具有解决知识共享问题的能力,但对于不确定性问题却不能很好的处理,而证据理论在不确定性推理方面,尤其是在多传感器数据融合中,已成为一种基本的、重要的融合算法。所以本文引入证据论处理活动识别中不确定性的问题,两者的结合相较于单一的方法进行人类的日常活动识别,能够得到更加准确的活动识别结果。实验证明,基于本体和证据论的人类活动识别方法具有较高的准确性。本文主要对上述提到的活动识别中常见的问题进行研究。1)针对人类日常活动识别问题中常常具有不确定性的特点,提出了基于本体和证据论的研究框架。该框架提供了处理人类日常活动识别问题的总体流程,以及处理不确定性问题的推理方法。2)针对由于活动识别过程中由于数据异构性而导致的知识不能共享问题,本文采用基于本体对活动进行建模的方法,该活动本体可重用性以及共享性较好。
王海侠[9]（2019）在《智能化冠脉支架辅助选型方法研究》文中进行了进一步梳理传统的冠脉介入支架的选型大多是通过临床医生凭借自身掌握的相关知识和多年的经验对病情进行诊断得出的,这种选型方法受主观因素影响较大,手术效果的好坏与医生自身的医疗水平关系紧密,并且这种经验知识的传授仍属口口相传形式,无法将支架选型知识进行有效的整合、管理和传承,所以急需一种量化的方法指导医生进行选型。因此对计算机辅助冠脉支架选型方法进行研究在传承介入手术领域专家知识、提高手术效果等方面意义重大。为了解决上述问题,通过获取病例样本及领域专家知识与经验,对系统知识库和推理机制进行设计与研究,并结合专家系统、神经网络以及遗传算法等技术,构建了一种用于冠脉支架选型的混合推理模型。本文的主要研究内容包括:首先,对专家系统、神经网络和遗传算法的概念、结构及特点进行分析,然后通过对比三种技术之间的优缺点,构建了一种基于专家系统和遗传算法优化的BP神经网络的混合推理模型,并对其整体工作流程进行了论述。其次,根据专家系统的知识表示方法和知识获取途径,通过分析影响冠脉支架选型的病症信息以及支架特征参数选择病例特征并对其进行编码预处理。然后,将获取到的相关知识以产生式规则和神经网络权值法进行表示,以建立完备的支架选型系统知识库,并存储于SQL Server数据库中供后续支架推理调用。然后对专家系统推理部分进行分析,包括推理策略选择及推理实现,并详细论述了BP网络以及遗传算法优化的BP网络推理实现过程,得到优化后网络的支架各参数预测准确率均在94%以上,并分别利用临床具体实例对两种选型方法进行验证。结果表明:该混合推理模型的推理结果符合实际临床支架选型要求。最后,利用Visual Studio 2010系统集成开发环境、MFC框架技术、SQL Server 2008数据库管理系统以及MATLAB神经网络工具箱设计了冠脉支架辅助选型系统,实现了智能化冠脉支架的选型推理。
尹怀仙[10]（2019）在《基于可靠性分析的地铁列车走行部隐患评估体系研究》文中进行了进一步梳理地铁以快捷安全而成为我国大城市解决交通拥堵的必然选择,地铁列车走行部在整个车辆系统中起着承载、走行和牵引等作用,是地铁列车的重要组成部分。走行部自身零部件从出现隐患到故障发生是一个状态演化的过程,如果能掌握隐患发生的规律,及时采取有效措施防止隐患劣化,可以有效预防事故发生。基于可靠性分析的地铁列车走行部隐患评估体系针对走行部自身结构发生的隐患进行分析研究,掌握隐患发生的规律,依据关键零部件对系统的影响选取合适的指标,构建多层次多指标隐患评估体系,进行评估算法和指标预测研究,为列车维修保养、故障预防、调度决策等方面提供技术支持。本文主要开展了以下研究工作:1.基于现场检修数据总结归纳了地铁列车走行部的隐患模式集,提取发生隐患较多的关键部件。针对现场数据存在不规则删失的情况,应用生存分析理论分析走行部隐患发生较多的关键零部件的隐患分布模型,并采用参数估计法计算关键零部件的无隐患间隔时间和隐患发生率,从现场数据掌握隐患发生的规律性。2.基于故障树的模糊贝叶斯网络可靠性分析。根据走行部隐患模式集和提取的关键零部件,建立地铁列车走行部故障树模型。将走行部故障树模型转化为贝叶斯网络模型,解决故障树不能处理走行部关键零部件服从不同的分布模型和存在较多不确定信息的问题。针对由于现场数据不足而没有精确隐患发生率的部分关键零部件,将模糊理论引入贝叶斯网络模型,应用模糊有序加权平均算子算法和群决策对不同专家提供的三角模糊数进行计算,求取群体评估值,得到部分关键零部件精确的隐患发生率,将此作为贝叶斯网络模型的先验概率,然后对模型进行仿真计算,得出各节点的后验概率,对关键零部件导致走行部隐患的可能性进行排序,得到走行部的薄弱环节和高风险部件。3.构建地铁列车走行部多层次多指标隐患评估体系。明确了走行部隐患评估体系选取原则,依据隐患模式集和关键零部件重要度排序,以走行部为目标层,选取合适的关键零部件作为准则层,对准则层的每个零部件进行分析,选取可以反映隐患状态的指标组成指标层。滚动轴承隐患指标从振动信号中提取,以辛辛那提大学采集的滚动轴承全寿命周期数据为例,采用改进的集成经验模态方法对振动信号进行处理,得到IMF分量,从IMF分量中提取直接时域参数,选取对隐患敏感的特征参数作为滚动轴承的隐患评估指标。根据专家建议及相关参考文献,将隐患等级划分为3级,并采用模糊有序加权平均算子算法对不同专家给出的等级临界值进行计算,从而确定隐患指标3级隐患区间。4.采用可拓物元理论和可拓云模型对地铁列车走行部隐患评估体系进行评估。将可拓物元理论的经典域进行云化,利用云模型的随机性和模糊性解决可拓物元理论对定性指标描述的不足。对主客观权重利用博弈论进行组合,有效寻求了主客观的一致和平衡。在主观权重赋值方面,利用灰色关联模型构建层次分析法的判断矩阵,利用灰色关联理论的整体比较机制和层次分析法的一致性检验,克服了层次分析法两两比较和灰色关联理论没有测度的弊端。在客观权重赋值方面,利用可拓物元理论的关联度矩阵构造熵权法的判断矩阵。为了验证算法的有效性,对4组样本数据进行了评估,结果表明两种方法都可以准确评估走行部的隐患状态,可拓云模型可信度很高而且评估结果更加合理。隐患级别分值的引入使评估等级数字化,为精确评估隐患等级打下基础。5.为了预测隐患指标的未来状态,提出一种基于混沌和遗传算法优化的粒子群-支持向量回归机混合智能算法。详细介绍了支持向量回归机、粒子群-支持向量回归机、混沌和遗传算法嵌入粒子群-支持向量回归机的基本原理和步骤。利用三种算法对轮径值进行建模,结果表明基于混沌和遗传算法优化的粒子群-支持向量回归机混合算法收敛性能和预测效果均高于其他两种方法,证明了该混合智能算法的优越性。本文构建了基于可靠性分析的地铁列车走行部隐患评估体系,并深入研究隐患评估模型和预测算法,为提高列车主动安全提供理论支撑。
二、医学专家系统中知识表示、获取和推理的两种方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、医学专家系统中知识表示、获取和推理的两种方法（论文提纲范文）
（1）基于病机模型的胸痹病中医智能辅助诊断方法研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 文献综述 |
| 1. 中医辨证方法与病机理论概述 |
| 1.1 中医辨证方法概述 |
| 1.2. 中医病机理论体系概述 |
| 1.3. 中医对胸痹病机的认识 |
| 2. 中医智能辅助诊断系统的研究现状 |
| 2.1 中医智能辅助诊断系统的发展历程 |
| 2.2 中医智能辅助诊断技术研究现状 |
| 2.3 病机的信息化研究进展 |
| 2.4 知识库构建技术 |
| 3. 小结 |
| 前言 |
| 第一部分 胸痹病相关诊断数据库构建 |
| 1. 胸痹病相关诊疗数据采集及处理 |
| 1.1 数据来源 |
| 1.2 数据采集内容 |
| 1.3 数据采集方法 |
| 1.4 数据清洗 |
| 1.5 数据采集结果 |
| 2. 症状数据库构建与优化 |
| 2.1 症状数据库的结构设计 |
| 2.2 症状数据库的优化与校验 |
| 3. 胸痹病诊断数据库构建 |
| 3.1 诊断知识数据库构建 |
| 3.2 胸痹病的诊断标准数据库构建 |
| 4. 小结 |
| 第二部分 基于辨证要素的胸痹病辨证模型构建 |
| 1. 胸痹病辨证要素多层次分类表示研究 |
| 1.1 胸痹病的基本辨证路径 |
| 1.2 辨证要素的多层次表示框架 |
| 2. 胸痹病辨证要素的自动化提取 |
| 2.1 辨证要素自动化提取算法原理 |
| 2.2 辨证要素自动化提取准确率评价 |
| 3. 基于辨证要素的胸痹病辨证模型构建 |
| 3.1 基于辨证要素的多标签文本分类方法研究 |
| 3.2 基于辨证要素的辨证模型评价 |
| 4. 小结 |
| 第三部分 病机模型及病机知识图谱构建 |
| 1. 病机与证候关系的理论研究 |
| 1.1 辨证相关概念的内涵 |
| 1.2 病机与证候的关系分析 |
| 2. 病机模型构建的理论基础 |
| 3. 病机要素的层级框架设计 |
| 3.1 数据预处理 |
| 3.2 病机要素的定义与层级框架设计 |
| 3.3 病机要素的自动化提取 |
| 3.4 病机要素的层级框架的应用 |
| 4. 病机要素的分析挖掘 |
| 4.1 病机要素与症状关联性的分析挖掘 |
| 4.2 病机要素的组合模式分析 |
| 4.3 病机单元之间的逻辑关系分析 |
| 5. 基于病机模型的病机知识图谱构建 |
| 5.1 病机数据处理 |
| 5.2 病机模型的构建 |
| 5.3 病机知识图谱构建 |
| 5.4 病机知识图谱的应用 |
| 6. 小结 |
| 第四部分 胸痹病的辨证模型应用与验证 |
| 1. 测试数据准备 |
| 1.1 数据来源 |
| 1.2 医案纳入标准 |
| 1.3 医案数据预处理 |
| 1.4 医案脱敏处理 |
| 1.5 医案质控 |
| 2. 评价标准及测试方法 |
| 2.1 辨证准确性评价标准 |
| 2.2 测试方法 |
| 3. 两种辨证推理方法测试结果评价 |
| 3.1 辨证准确率结果 |
| 3.2 测试医案结果分析 |
| 4. 基于两种辨证推理方法融合的测试结果评价 |
| 4.1 测试准备 |
| 4.2 融合方法的辅助诊断原理 |
| 4.3 融合方法的测试结果 |
| 4.4 融合方法测试结果分析 |
| 5. 小结 |
| 研究总结 |
| 1. 研究结论 |
| 2. 创新点 |
| 3. 问题及展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 附录1 两种方法辨证均为错误的医案及诊断结果 |
| 附录2 基于辨证要素的辨证模型辨证正确的医案及诊断结果 |
| 附录3 病机知识图谱辨证正确的医案及诊断结果 |
| 中医药科技查新报告书 |
（2）面向决策支持的医学文本语义分析方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及研究意义 |
| 1.2 研究内容及关键问题 |
| 1.3 研究创新点 |
| 1.4 技术路线 |
| 1.5 章节安排 |
| 2 文献综述和相关方法 |
| 2.1 文献综述 |
| 2.1.1 医学文本分词方法 |
| 2.1.2 医学文本结构化方法 |
| 2.1.3 语义分析和医学概念抽取 |
| 2.1.4 基于医学文本的决策支持 |
| 2.2 相关数据与方法 |
| 2.2.1 医学领域知识库 |
| 2.2.2 机器学习方法 |
| 2.2.3 大数据分析方法 |
| 2.2.4 评估方法和指标 |
| 2.3 本章小结 |
| 3 基于自然语言处理的医学文本结构化和标准化方法 |
| 3.1 医学文本特征和语义复杂性分析 |
| 3.1.1 医学文本数据的来源和特征 |
| 3.1.2 医学文本分析的N-Gram语言模型 |
| 3.1.3 医学文本语料库的使用及影响分析 |
| 3.2 基于医学文本语料库的文本结构化方法 |
| 3.2.1 基于字典的机械分词和N-Gram分词方法研究 |
| 3.2.2 基于序列标注的医学文本分词方法研究 |
| 3.2.3 基于语义理解的医学文本分析方法研究 |
| 3.3 中文超声检查报告文本分析和性能评估 |
| 3.3.1 专家辅助的超声检查报告文本标注方法 |
| 3.3.2 超声检查报告的文本结构化方法 |
| 3.3.3 超声检查报告的文本语义分析方法 |
| 3.3.4 标注系统的性能评估方法 |
| 3.3.5 标注系统的整体性能测试与分析 |
| 3.4 本章小结 |
| 4 基于医学领域知识的医学文本语义分析和知识发现方法 |
| 4.1 面向医学文本的语义相似度计算方法 |
| 4.1.1 语义关系与文本特征提取方法 |
| 4.1.2 基于加权Levenshtein距离和N-Gram的文本相似度计算方法 |
| 4.1.3 评估方法和实验分析 |
| 4.2 基于UMLS的医学概念相似度和相关性计算方法 |
| 4.2.1 医学文本语义相似度计算方法 |
| 4.2.2 医学文本语义相关性计算方法 |
| 4.2.3 相关方法的测试和分析 |
| 4.3 基于语义分析的计算机辅助ICD-11编码方法 |
| 4.3.1 相关知识库 |
| 4.3.2 ICD-11编码语义模型 |
| 4.3.3 ICD-11编码规则建模方法 |
| 4.3.4 ICD-11候选编码相关性计算方法 |
| 4.3.5 相关方法的测试和分析 |
| 4.4 本章小结 |
| 5 面向决策支持的海量医学文本分析方法及应用案例研究 |
| 5.1 医学文本主题建模和知识发现方法 |
| 5.1.1 基于LDA的医学文本主题建模方法 |
| 5.1.2 知识约束下医学文本主题建模和预测方法 |
| 5.1.3 相关方法性能的对比分析 |
| 5.2 基于大数据分析的典型医学文本分析方法设计和分析 |
| 5.2.1 基于Map Reduce模型的大规模数据集连接方法 |
| 5.2.2 基于Map Reduce模型的大规模文档相似度计算方法 |
| 5.3 面向医疗大数据分析的HADOOP性能自动调整优化方法 |
| 5.3.1 Hadoop性能自动调优框架设计方法 |
| 5.3.2 基于无导数优化理论的Hadoop最优参数搜索方法 |
| 5.3.3 典型Map Reduce算法性能调优和实验分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）医疗方案的推荐算法及其应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于知识的医疗推荐方法 |
| 1.2.2 基于案例的医疗推荐方法 |
| 1.3 本文主要内容与结构安排 |
| 1.3.1 本文的主要内容 |
| 1.3.2 本文的结构安排 |
| 第二章 相关技术 |
| 2.1 基于知识的推理 |
| 2.1.1 基于知识的推理的优点 |
| 2.1.2 基于知识的推理的缺点 |
| 2.2 基于案例的推理 |
| 2.2.1 基于案例推理的主要类型 |
| 2.2.2 基于案例的推理的优点 |
| 2.2.3 基于案例的推理的缺点 |
| 2.3 决策树 |
| 2.4 kNN算法 |
| 2.4.1 算法介绍 |
| 2.4.2 kNN算法相关研究 |
| 2.5 本章小结 |
| 第三章 基于规则与案例的医疗方案推荐方法 |
| 3.1 病例数据 |
| 3.1.1 病例数据简介 |
| 3.1.2 病例数据库结构 |
| 3.1.3 病例信息的分类 |
| 3.2 基于知识的推荐方法 |
| 3.2.1 规则来源 |
| 3.2.2 基于知识的推荐算法 |
| 3.3 基于案例的推荐方法 |
| 3.3.1 问题描述 |
| 3.3.2 特征选取与转换 |
| 3.3.3 kNN分类器 |
| 3.3.4 属性权重优化 |
| 3.4 实验与讨论 |
| 3.4.1 实验数据 |
| 3.4.2 评价指标 |
| 3.4.3 实验结果 |
| 3.5 本章小结 |
| 第四章 考虑不确定性的医疗方案推荐方法 |
| 4.1 不确定性来源 |
| 4.2 Dempster-Shafer证据理论 |
| 4.3 基于D-S证据理论的k NN算法 |
| 4.4 基于不确定性与证据理论的k NN算法(UCEk NN) |
| 4.4.1 UCEkNN |
| 4.4.2 UCEkNN的最优k值选取策略 |
| 4.5 专家意见强化 |
| 4.5.1 L-sure算法 |
| 4.5.2 基于专家意见的表示学习(UCEkNN-NN) |
| 4.6 实验与讨论 |
| 4.6.1 kNN、EkNN,UCEkNN,UCEkNN-NN对比实验 |
| 4.6.2 L-sure算法验证 |
| 4.7 本章小结 |
| 第五章 医疗方案推荐算法的速度优化 |
| 5.1 问题分析 |
| 5.1.1 简介 |
| 5.1.2 相关研究 |
| 5.2 优化算法 |
| 5.2.1 边界树算法(Boundary Tree,BT) |
| 5.2.2 考虑不确定度的边界树算法(UCEBT) |
| 5.3 综合分析 |
| 5.3.1 对比方法 |
| 5.3.2 评价指标 |
| 5.3.3 数据集 |
| 5.3.4 规模实验 |
| 5.3.5 准确率实验 |
| 5.4 本章小结 |
| 第六章 医疗推荐系统的设计与实现 |
| 6.1 概述 |
| 6.2 系统结构 |
| 6.3 系统平台选型 |
| 6.3.1 操作系统 |
| 6.3.2 数据库 |
| 6.3.3 消息队列中间件 |
| 6.3.4 远程过程调用协议 |
| 6.4 平台实现与应用 |
| 6.4.1 推荐流程 |
| 6.4.2 用户界面 |
| 第七章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 致谢 |
（4）基于本体的绿色建筑技术设计案例推理系统研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 绿色建筑发展背景 |
| 1.1.2 绿色建筑技术设计面临的困境与挑战 |
| 1.1.3 建筑领域数字化的研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 绿色建筑设计研究现状 |
| 1.2.2 案例推理在建筑领域的研究现状 |
| 1.2.3 本体在建筑领域应用的研究现状 |
| 1.2.4 基于本体的案例推理系统的研究现状 |
| 1.2.5 研究综述小结 |
| 1.3 研究目的和意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 研究内容及结构安排 |
| 1.5 研究方法和技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线图 |
| 1.6 创新点 |
| 2 研究理论基础 |
| 2.1 专家系统 |
| 2.1.1 专家系统的发展历程 |
| 2.1.3 专家系统的类型 |
| 2.1.4 传统专家决策系统特点 |
| 2.2 案例推理理论的基本原理 |
| 2.2.1 案例推理的发展历程 |
| 2.2.2 案例推理的基本原理 |
| 2.2.3 案例推理的特点 |
| 2.3 本体方法论 |
| 2.3.1 本体的定义 |
| 2.3.2 本体的分类 |
| 2.3.3 本体的构成要素 |
| 2.3.4 本体描述语言 |
| 2.3.5 本体的构建 |
| 2.3.6 本体学习 |
| 2.4 本章小结 |
| 3 绿色建筑技术设计案例推理系统框架构建 |
| 3.1 绿色建筑内涵及评价体系 |
| 3.1.1 绿色建筑内涵 |
| 3.1.2 绿色建筑发展 |
| 3.1.3 绿色建筑评价体系 |
| 3.1.4 绿色建筑评价体系对绿色建筑设计的引导作用 |
| 3.2 绿色建筑设计 |
| 3.2.1 绿色建筑设计的特点 |
| 3.2.2 传统建筑设计流程 |
| 3.2.3 绿色建筑设计流程 |
| 3.2.4 绿色建筑设计团队组成 |
| 3.2.5 绿色建筑设计面临的主要挑战 |
| 3.3 绿色建筑技术设计基本内容 |
| 3.3.1 节地和室外环境设计 |
| 3.3.2 节材设计 |
| 3.3.3 节能设计 |
| 3.3.4 节水设计 |
| 3.3.5 室内环境设计 |
| 3.4 基于本体的绿色建筑技术设计案例推理系统框架 |
| 3.4.1 案例推理技术应用于绿色建筑技术设计的可行性 |
| 3.4.2 基于案例推理的绿色建筑技术设计成果构成 |
| 3.4.3 基于本体的案例推理系统的优势 |
| 3.4.4 系统整体框架 |
| 3.5 本章小结 |
| 4 绿色建筑领域本体的构建原理 |
| 4.1 构建绿色建筑领域本体的任务 |
| 4.2 绿色建筑领域本体概念的提取原理 |
| 4.2.1 领域文本预处理 |
| 4.2.2 绿色建筑领域术语的提取 |
| 4.2.3 同义词合并 |
| 4.3 绿色建筑领域本体概念关系的识别 |
| 4.3.1 概念间分类关系的提取 |
| 4.3.2 非分类关系提取 |
| 4.4 绿色建筑本体构建的实现过程 |
| 4.4.1 绿色建筑本体概念及概念间关系提取 |
| 4.4.2 绿色建筑本体的实现 |
| 4.4.3 绿色建筑本体的形式化表示 |
| 4.5 本章小结 |
| 5 绿色建筑技术设计案例推理系统中的案例库构建原理 |
| 5.1 绿色建筑技术设计案例表示的框架 |
| 5.1.1 案例表示的原则 |
| 5.1.2 案例表示的方法 |
| 5.1.3 绿色建筑技术设计案例的内容 |
| 5.1.4 基于本体的绿色建筑技术设计案例表示的框架 |
| 5.2 绿色建筑技术设计案例的基本特征选取 |
| 5.3 绿色建筑技术设计案例的文本语义特征提取 |
| 5.3.1 传统文本表示的方法 |
| 5.3.2 基于领域本体的绿色建筑技术设计案例文本表示方法 |
| 5.3.3 绿色建筑技术设计案例文本的预处理 |
| 5.3.4 绿色建筑技术设计案例语义标引的建立 |
| 5.3.5 绿色建筑技术设计案例文本语义特征权重的计算方法 |
| 5.3.6 基于领域本体的语义向量构建的算法 |
| 5.4 绿色建筑技术设计案例的存储 |
| 5.5 本章小结 |
| 6 绿色建筑技术设计案例推理系统中案例检索机制的设计 |
| 6.1 绿色建筑技术设计案例检索方法和流程 |
| 6.1.1 案例检索方法 |
| 6.1.2 案例检索流程 |
| 6.2 绿色建筑技术设计案例基本特征相似度计算 |
| 6.2.1 绿色建筑技术设计案例基本特征的数据类型 |
| 6.2.2 绿色建筑技术设计案例的基本特征相似度计算模型 |
| 6.3 绿色建筑技术设计语义特征检索机制建立 |
| 6.3.1 基于本体的语义检索 |
| 6.3.2 基于本体的查询扩展 |
| 6.3.3 基于本体的语义检索模型中相似度计算 |
| 6.4 绿色建筑技术设计案例检索机制中综合相似度测算模型 |
| 6.4.1 案例全局相似度计算模型 |
| 6.4.2 案例特征权重确定方法 |
| 6.4.3 层次分析法 |
| 6.4.4 绿色建筑技术设计案例特征权重确定 |
| 6.5 绿色建筑技术设计案例调整及案例库的维护 |
| 6.5.1 绿色建筑技术设计案例重用与修正 |
| 6.5.2 绿色建筑技术设计案例学习 |
| 6.6 本章小结 |
| 7 绿色建筑技术设计案例推理系统的实证研究 |
| 7.1 绿色建筑技术设计案例推理系统的需求分析 |
| 7.1.1 系统的需求概述 |
| 7.1.2 系统功能需求 |
| 7.2 绿色建筑技术设计案例推理系统总体设计 |
| 7.2.1 系统架构设计 |
| 7.2.2 系统的工作流程 |
| 7.3 绿色建筑技术设计案例推理系统的界面设计 |
| 7.4 绿色建筑技术设计案例推理系统的应用 |
| 7.4.1 绿色建筑技术设计实证背景 |
| 7.4.2 绿色建筑技术设计案例推理系统的检索过程 |
| 7.4.3 系统检索结果的讨论 |
| 7.4.4 绿色建筑技术设计决策 |
| 7.5 本章小结 |
| 8 结论与展望 |
| 8.1 研究总结 |
| 8.2 研究存在的不足以及未来工作的展望 |
| 参考文献 |
| 附录 |
| A 作者在攻读博士学位期间所发表的文章目录 |
| B 作者在攻读学位期间参与的科研项目 |
| C 绿色建筑领域本体概念间非分类关系提取的源代码 |
| D 绿色建筑技术设计案例基本信息 |
| E 学位论文数据集 |
| 致谢 |
（5）学术论文关键指标智能化评价研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状综述 |
| 1.3.1 国内学术论文评价研究 |
| 1.3.2 国外学术论文评价研究 |
| 1.3.3 相关研究述评 |
| 1.4 研究内容与方法 |
| 1.5 研究创新点 |
| 1.6 研究技术路线 |
| 第2章 相关概念与理论基础 |
| 2.1 学术论文 |
| 2.1.1 学术论文的内涵、结构与要素 |
| 2.1.2 学术论文与知识生产 |
| 2.1.3 学术论文与知识创新 |
| 2.2 学术论文评价 |
| 2.2.1 学术论文评价涵义 |
| 2.2.2 学术论文评价方法 |
| 2.2.3 学术论文评价关键指标 |
| 2.3 学术论文智能化评价 |
| 2.3.1 学术论文智能化评价内涵 |
| 2.3.2 学术论文智能化评价过程 |
| 2.4 扎根理论 |
| 2.5 知识元理论 |
| 2.5.1 知识元概念 |
| 2.5.2 知识元分类与描述 |
| 2.5.3 知识元的抽取与应用 |
| 2.6 本章小结 |
| 第3章 人工智能技术及相关方法 |
| 3.1 机器学习 |
| 3.2 专家系统 |
| 3.3 文本分析 |
| 3.4 LDA主题识别模型 |
| 3.5 知识图谱 |
| 3.6 本章小结 |
| 第4章 学术论文关键指标分析及智能化评价框架 |
| 4.1 学术论文评价关键指标解析 |
| 4.2 专家评价意见数据分析 |
| 4.3 关键指标体系构建 |
| 4.4 学术论文智能化评价框架 |
| 4.5 智能化评价指标提取 |
| 4.6 本章小结 |
| 第5章 学术论文选题新颖性智能化评价 |
| 5.1 选题新颖性智能化评价概述 |
| 5.2 学术论文选题新颖度识别与判断流程 |
| 5.3 选题新颖性智能化评价过程 |
| 5.4 选题新颖性智能化评价实例研究 |
| 5.5 本章小结 |
| 第6章 学术论文内容创新性智能化评价 |
| 6.1 内容创新性智能化评价概述 |
| 6.2 学术论文知识元本体 |
| 6.3 学术论文知识元抽取 |
| 6.4 学术论文创新智能化评价过程 |
| 6.5 学术论文创新智能化评价实证检验 |
| 6.6 本章小结 |
| 第7章 学术论文引文科学性智能化评价 |
| 7.1 引文指标智能化评价概述 |
| 7.2 引文评价层次 |
| 7.2.1 引用层面 |
| 7.2.2 引用评价 |
| 7.3 基于引文的智能化评价过程 |
| 7.3.1 评价思路 |
| 7.3.2 评价步骤 |
| 7.4 构建引文智能化评价指标模型 |
| 7.5 引文指标智能化评价实例检验 |
| 7.5.1 数据收集 |
| 7.5.2 结果分析 |
| 7.5.3 指标验证 |
| 7.6 引文评价指标模型及计算的修订 |
| 7.7 本章小结 |
| 第8章 研究结论与展望 |
| 8.1 研究结论 |
| 8.2 研究局限性及展望 |
| 8.2.1 研究局限性 |
| 8.2.2 研究展望 |
| 参考文献 |
| 附录 |
| 作者简介与主要研究成果 |
| 致谢 |
（6）面向目标体系分析的知识推理与复杂网络节点评估技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 目标体系分析的内涵 |
| 1.1.2 开展目标体系分析研究的需求 |
| 1.1.3 开展目标体系分析研究的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 静态目标体系分析方法 |
| 1.2.2 动态目标体系分析方法 |
| 1.2.3 目标体系分析方法总结 |
| 1.2.4 目标体系分析方法的发展趋势 |
| 1.3 目标体系分析的核心技术分析 |
| 1.3.1 知识表达 |
| 1.3.2 非单调推理 |
| 1.3.3 深度神经网络 |
| 1.3.4 基于复杂网络的节点评估 |
| 1.4 论文的主要贡献 |
| 1.5 论文的结构安排 |
| 第二章 基于图的目标体系分析领域知识表达 |
| 2.1 基于图的知识表达简介 |
| 2.1.1 基本图的定义 |
| 2.1.2 基本图的语义 |
| 2.1.3 基本图的同态 |
| 2.2 目标体系建模多视图产品和规则设计 |
| 2.2.1 能力牵引的目标体系描述视图 |
| 2.2.2 目标体系结构关系模型构建规则的设计 |
| 2.3 基于灵活同态的推理研究 |
| 2.3.1 多视图条件下的概念关系偏序结构 |
| 2.3.2 多概念关系偏序结构下的灵活同态 |
| 2.4 灵活同态混合搜索方法研究 |
| 2.4.1 基本图数据存储和基本递归同态搜索算法框架 |
| 2.4.2 基本图规则灵活同态节点匹配顺序优化 |
| 2.4.3 基本图规则概念和关系备选节点筛选顺序优化 |
| 2.4.4 基于节点标签的备选节点过滤技术 |
| 2.5 性能测试分析 |
| 2.5.1 数据准备和参数设置 |
| 2.5.2 优化灵活同态节点匹配顺序的性能表现 |
| 2.5.3 两阶段概念和关系备选节点筛选顺序的性能表现 |
| 2.5.4 节点标签过滤技术的性能表现 |
| 2.5.5 综合多种技术的灵活同态搜索算法的性能分析 |
| 2.5.6 与现有子图同构搜索算法的比较分析 |
| 2.6 本章小结 |
| 第三章 基于层次结构优先序缺省推理的目标体系建模 |
| 3.1 缺省推理简介 |
| 3.2 构建目标体系结构关系模型的缺省规则建模 |
| 3.3 传统缺省推理解决目标体系结构关系模型推理构建的不足 |
| 3.4 基于层次结构优先序的缺省推理 |
| 3.4.1 缺省规则的图结构优先序 |
| 3.4.2 基于缺省规则图结构优先序的随机推理 |
| 3.4.3 基于期望准确率、期望精确率和期望召回率的优先序 |
| 3.4.4 基于层次结构优先序缺省推理的使用说明 |
| 3.5 性能测试分析 |
| 3.5.1 验证案例的设计说明 |
| 3.5.2 验证案例的建立 |
| 3.5.3 传统缺省推理优先序的不足 |
| 3.5.4 层次结构优先序缺省推理的实现 |
| 3.5.5 语义稳健性的仿真验证 |
| 3.6 本章小结 |
| 第四章 基于深度递归神经网络的目标体系缺省推理优化 |
| 4.1 面向能力的目标体系结构关系模型构建 |
| 4.1.1 以能力为导向构建目标体系的优势 |
| 4.1.2 能力导向的目标体系构建流程 |
| 4.2 基于深度递归神经网络的缺省推理框架 |
| 4.3 指导缺省推理的深度递归神经网络设计 |
| 4.4 简化深度递归神经网络训练数据的研究 |
| 4.5 基于深度递归神经网缺省推理的时间复杂度分析 |
| 4.6 性能测试分析 |
| 4.6.1 验证案例的设计说明 |
| 4.6.2 验证案例中缺省规则的设计 |
| 4.6.3 验证案例中指导缺省推理RNN的设计 |
| 4.6.4 验证案例中指导随机推理RNN的训练 |
| 4.6.5 RNN指导随机推理的实验分析 |
| 4.7 本章小结 |
| 第五章 基于复杂网络动力学模型的目标体系关键节点分析 |
| 5.1 目标体系的无向加权网络及其动力学模型的构建 |
| 5.2 目标体系复杂网络的动力学模型稳定性分析 |
| 5.3 基于动力学仿真的无向加权网络关键节点分析方法研究 |
| 5.3.1 基于无向加权复杂网络动力学模型的节点评估指标 |
| 5.3.2 基于扰动测试的关键节点分析方法 |
| 5.3.3 基于破坏测试的关键节点分析方法 |
| 5.4 面向目标体系分析的复杂网络关键节点分析方法研究 |
| 5.4.1 基于关注节点的目标体系关键节点分析 |
| 5.4.2 跨动力学模型的目标体系关键节点分析 |
| 5.5 性能测试分析 |
| 5.5.1 扰动测试的合理有效性分析 |
| 5.5.2 破坏测试的合理有效性分析 |
| 5.6 本章小结 |
| 第六章 原型系统设计与案例验证 |
| 6.1 目标体系分析原型系统设计 |
| 6.1.1 融合混合灵活同态搜索的并行缺省推理框架 |
| 6.1.2 缺省理论扩展节点的编码设计及使用 |
| 6.2 基于典型案例的原型系统验证 |
| 6.2.1 基于灵活同态的缺省规则设计及使用 |
| 6.2.2 基于分布并行计算的目标体系结构关系模型推理构建 |
| 6.2.3 基于RNN的随机推理进行目标体系构建的性能分析 |
| 6.2.4 基于节点编码的层次结构优先序缺省理论语义确定 |
| 6.2.5 基于复杂网络动力学模型的目标体系关键节点分析 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 本文工作总结 |
| 7.2 下步工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（7）美国“以学生为中心”的大学教学设计模式和教学方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 问题和主题 |
| 1.2 现状和不足 |
| 1.3 范围和角度 |
| 1.4 设想和框架 |
| 1.5 研究方法 |
| 1.6 结果和意义 |
| 2 术语、分类法和理论基础 |
| 2.1 术语 |
| 2.2 分类法及其意义 |
| 2.3 理论基础 |
| 3 SC教学设计模式 |
| 3.1 大学教学设计:概念与历史 |
| 3.2 通用模式 |
| 3.3 方法专门化模式 |
| 3.4 专业专门化模式 |
| 3.5 课程专门化模式 |
| 3.6 总结 |
| 4 SC大学教学方法 |
| 4.1 问题与方法 |
| 4.2 以真实世界为基础的学习方法 |
| 4.3 积极学习与主动学习方法 |
| 4.4 合作学习方法 |
| 4.5 通识学习方法 |
| 4.6 专业学习方法——以医学教育为例 |
| 4.7 积极讲座法 |
| 5 简要总结 |
| 5.1 背景与目标 |
| 5.2 理论与方法 |
| 5.3 基本内容 |
| 5.4 主要创新 |
| 5.5 局限性 |
| 致谢 |
| 参考文献 |
| 附录1 攻读学位期间发表论文和书籍目录 |
（8）本体和证据论融合的人类活动识别方法（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 活动识别方法的研究现状 |
| 1.2.2 上下文感知系统的研究现状 |
| 1.3 论文章节安排 |
| 2 理论基础 |
| 2.1 描述逻辑 |
| 2.2 NeOn本体工程 |
| 2.3 OWL |
| 2.3.1 OWL本体语言的概述 |
| 2.3.2 OWL本体的组成和构建 |
| 2.4 证据论 |
| 2.4.1 识别框架、基本信任分配函数、信任函数 |
| 2.4.2 证据函数的合成规则 |
| 2.5 本章小结 |
| 3 人类活动识别框架 |
| 3.1 基于本体和证据论的活动识别框架 |
| 3.1.1 数据收集层 |
| 3.1.2 活动管理层 |
| 3.1.3 用户层 |
| 3.2 动作预处理 |
| 3.2.1 片段划分 |
| 3.2.2 动作整合 |
| 3.2.3 动作的不确定度计算 |
| 3.3 本章小结 |
| 4 人类活动识别方法 |
| 4.1 基于本体和证据论的活动模型构建 |
| 4.1.1 基于本体的活动建模 |
| 4.1.2 本体推理中的不确定性建模 |
| 4.2 基于本体和证据论的活动推理 |
| 4.2.1 活动本体 |
| 4.2.2 证据参数的表示 |
| 4.3 本章小结 |
| 5 仿真实验 |
| 5.1 实验环境及数据集介绍 |
| 5.2 系统设计 |
| 5.2.1 系统总体设计 |
| 5.2.2 系统模块设计 |
| 5.2.3 系统的存储设计 |
| 5.2.4 原型系统的实现 |
| 5.3 实验结果分析与对比 |
| 5.3.1 评价指标 |
| 5.3.2 实验对比结果 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（9）智能化冠脉支架辅助选型方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 论文研究现状 |
| 1.2.1 国外医疗诊断专家系统的研究现状 |
| 1.2.2 国内医疗专家系统的研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文结构安排 |
| 2 神经网络专家系统基础理论 |
| 2.1 人工智能在医学推理领域中的应用分析 |
| 2.2 专家系统 |
| 2.2.1 专家系统概述 |
| 2.2.2 专家系统结构 |
| 2.2.3 专家系统特点 |
| 2.3 人工神经网络 |
| 2.3.1 人工神经元模型 |
| 2.3.2 人工神经网络结构 |
| 2.3.3 神经网络特点 |
| 2.4 遗传算法 |
| 2.4.1 遗传算法概述 |
| 2.4.2 遗传算法流程 |
| 2.4.3 遗传算法特点 |
| 2.5 神经网络专家系统 |
| 2.6 神经网络专家系统设计流程 |
| 2.7 本章小结 |
| 3 支架选型系统知识库设计 |
| 3.1 专家知识获取与表示方法 |
| 3.1.1 专家知识获取 |
| 3.1.2 知识表示方法 |
| 3.2 病例信息预处理 |
| 3.2.1 病例信息特征 |
| 3.2.2 病灶信息样本预处理 |
| 3.2.3 支架参数预处理 |
| 3.2.4 建立知识表示规则 |
| 3.3 系统数据库设计 |
| 3.4 本章小结 |
| 4 神经网络专家系统支架推理研究 |
| 4.1 专家系统推理实现 |
| 4.1.1 推理方向 |
| 4.1.2 推理实现 |
| 4.2 BP神经网络推理实现 |
| 4.2.1 BP神经网络推理模型的数据准备 |
| 4.2.2 神经网络的建立、训练与预测 |
| 4.3 遗传算法优化BP神经网络 |
| 4.3.1 遗传算法参数选取 |
| 4.3.2 基于遗传算法优化的BP神经网络模型实现 |
| 4.4 本章小结 |
| 5 智能化冠脉支架辅助选型系统的实现 |
| 5.1 系统开发相关技术及工具 |
| 5.1.1 Visual C++与MFC框架技术 |
| 5.1.2 SQL Server |
| 5.1.3 数据库连接 |
| 5.1.4 在Visual C++中调用MATLAB |
| 5.2 系统模块实现 |
| 5.2.1 系统登录模块 |
| 5.2.2 知识库维护模块 |
| 5.2.3 支架混合推理模块 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（10）基于可靠性分析的地铁列车走行部隐患评估体系研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究综述 |
| 1.3.1 故障诊断技术研究现状 |
| 1.3.2 安全评估研究现状 |
| 1.3.3 隐患评估研究现状 |
| 1.3.4 研究现状评述 |
| 1.4 论文主要内容和结构 |
| 2 地铁列车走行部隐患模式集和隐患分布模型分析 |
| 2.1 隐患评估相关概念和系统运动状态演变 |
| 2.1.1 隐患相关概念及相互关系 |
| 2.1.2 系统运行状态演变过程 |
| 2.2 走行部隐患模式集 |
| 2.2.1 走行部主要结构特点和功能分析 |
| 2.2.2 走行部隐患模式集 |
| 2.3 基于生存分析理论的最佳隐患分布模型 |
| 2.3.1 生存分析理论 |
| 2.3.2 走行部隐患分布模型确定及分析 |
| 2.4 本章小结 |
| 3 基于故障树的模糊贝叶斯网络的可靠性分析 |
| 3.1 故障树模型理论概述 |
| 3.1.1 故障树分析法 |
| 3.1.2 故障树构造方法 |
| 3.2 贝叶斯网络 |
| 3.2.1 贝叶斯方法 |
| 3.2.2 贝叶斯网络 |
| 3.2.3 贝叶斯网络推理 |
| 3.2.4 模糊贝叶斯网络 |
| 3.3 故障树转化为贝叶斯网络规则 |
| 3.4 走行部关键零部件可靠性分析 |
| 3.4.1 走行部故障树建立 |
| 3.4.2 走行部贝叶斯网络模型 |
| 3.4.3 先验概率和条件概率表的确定 |
| 3.4.4 贝叶斯网络模型仿真与分析 |
| 3.5 本章小结 |
| 4 地铁列车走行部多层次隐患评估体系构建 |
| 4.1 隐患指标选取 |
| 4.2 基于改进集成经验模态的滚动轴承隐患特征参量提取 |
| 4.2.1 经验模态分解算法(EMD) |
| 4.2.2 改进的经验模态分解算法(MEEMD) |
| 4.2.3 滚动轴承特征参量提取 |
| 4.3 走行部隐患评估体系构建及等级划分 |
| 4.3.1 走行部隐患评估体系结构 |
| 4.3.2 基于模糊有序加权平均算子的隐患评估等级划分 |
| 4.4 本章小结 |
| 5 基于可拓物元理论和云模型的隐患评估算法研究 |
| 5.1 可拓物元理论和云模型 |
| 5.1.1 可拓物元理论 |
| 5.1.2 云模型 |
| 5.2 可拓云模型 |
| 5.3 博弈论组合赋权的指标权重 |
| 5.3.1 灰色关联模型改进的层次分析法 |
| 5.3.2 熵权法 |
| 5.3.3 博弈论组合权重 |
| 5.4 实例分析-地铁列车走行部隐患体系指标评估算法 |
| 5.4.1 走行部可拓物元理论隐患评估算法 |
| 5.4.2 走行部可拓云模型隐患评估算法 |
| 5.5 本章小结 |
| 6 基于混合智能算法优化的隐患指标预测 |
| 6.1 SVR算法原理 |
| 6.2 遗传混沌粒子群优化算法 |
| 6.2.1 粒子群算法(Paaiele Swarm Optimization,PSO) |
| 6.2.2 混沌惯性权重 |
| 6.2.3 遗传算法(Genetic Algorithm,GA) |
| 6.2.4 GCPSO-SVR混合算法 |
| 6.3 实例分析-车轮尺寸隐患状态预测 |
| 6.3.1 SVR预测模型建立与分析 |
| 6.3.2 PSO-SVR预测模型建立与分析 |
| 6.3.3 GCPSO-SVR预测模型建立与分析 |
| 6.3.4 三种预测模型对比分析 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 研究内容及结论 |
| 7.2 论文创新点 |
| 7.3 论文不足与未来研究方向 |
| 参考文献 |
| 附录A 2010年到2012年部分故障数据原始统计表 |
| 附录B 轮径值训练样本和测试样本部分原始数据 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
四、医学专家系统中知识表示、获取和推理的两种方法（论文参考文献）
- [1]基于病机模型的胸痹病中医智能辅助诊断方法研究[D]. 石英杰. 中国中医科学院, 2021(02)
- [2]面向决策支持的医学文本语义分析方法研究[D]. 陈东华. 北京交通大学, 2020(03)
- [3]医疗方案的推荐算法及其应用[D]. 沈正飞. 上海交通大学, 2020(01)
- [4]基于本体的绿色建筑技术设计案例推理系统研究[D]. 严行. 重庆大学, 2019(05)
- [5]学术论文关键指标智能化评价研究[D]. 杜杏叶. 吉林大学, 2019(02)
- [6]面向目标体系分析的知识推理与复杂网络节点评估技术研究[D]. 孔江涛. 国防科技大学, 2019(01)
- [7]美国“以学生为中心”的大学教学设计模式和教学方法研究[D]. 高筱卉. 华中科技大学, 2019(01)
- [8]本体和证据论融合的人类活动识别方法[D]. 赵玲. 大连海事大学, 2019(06)
- [9]智能化冠脉支架辅助选型方法研究[D]. 王海侠. 西安工业大学, 2019(03)
- [10]基于可靠性分析的地铁列车走行部隐患评估体系研究[D]. 尹怀仙. 北京交通大学, 2019(06)