图书介绍

人工智能技术在建设工程争议解决中的应用pdf电子书版本下载

人工智能技术在建设工程争议解决中的应用
  • 成于思著 著
  • 出版社: 南京:东南大学出版社
  • ISBN:9787564180300
  • 出版时间:2018
  • 标注页数:131页
  • 文件大小:17MB
  • 文件页数:142页
  • 主题词:人工智能-应用-建筑工程-研究

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

下载说明

人工智能技术在建设工程争议解决中的应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具

图书目录

第一章 绪论 1

1.1 研究背景 1

1.2 问题的提出 2

1.3 研究目的 2

1.4 研究意义 3

1.5 研究内容和技术路线 4

1.5.1 研究内容及方法 4

1.5.2 研究路线 5

1.6 本章小结 6

第二章 文献综述 7

2.1 概述 7

2.2 工程合同争议和法律推理相关文献 7

2.2.1 工程合同争议 7

2.2.2 法律论证 9

2.3 工程质量缺陷相关文献 9

2.4 工程变更相关文献 10

2.5 人工智能算法相关文献 10

2.5.1 CBR和RBR 10

2.5.2 决策树算法 11

2.5.3 神经网络算法 12

2.5.4 贝叶斯分类器 13

2.5.5 关联规则挖掘算法 14

2.6 本章小结 15

第三章 工程争议案例基本统计分析 16

3.1 概述 16

3.2 试点调查 16

3.3 数据收集与统计 19

3.3.1 工程质量缺陷争议案例 20

3.3.2 工程变更争议案例 28

3.4 本章小结 32

第四章 工程争议案例库的构建 33

4.1 概述 33

4.2 工程争议中的法律论证模型 33

4.2.1 工程争议中运用的法律论证形式 33

4.2.2 工程争议中的法律论证关系数据模型 39

4.3 工程质量缺陷关系数据模型 42

4.4 本章小结 44

第五章 基于分层关联规则挖掘算法的争议案例分析 45

5.1 概述 45

5.2 概念分层的关联规则算法 45

5.2.1 Apriori算法 45

5.2.2 概念分层的Apriori算法 46

5.2.3 其他形式的分层挖掘算法 48

5.3 算法应用 50

5.3.1 数据预处理 50

5.3.2 质量缺陷挖掘 52

5.4 本章小结 57

第六章 基于模糊决策树算法的工程争议结果预测 59

6.1 概述 59

6.2 工程变更争议特点分析 59

6.2.1 工程变更概念及相关规定 59

6.2.2 工程变更争议判决因素提取 61

6.3 决策树算法及其问题 62

6.3.1 传统决策树算法描述 62

6.3.2 不确定性对决策树的影响 64

6.4 模糊集合理论 66

6.5 模糊决策树算法 67

6.6 利用模糊决策树算法预测工程变更争议判决结果 73

6.6.1 预测算法性能评价指标 73

6.6.2 工程变更争议结果预测 74

6.7 本章小结 77

第七章 基于神经网络的工程争议结果预测 79

7.1 概述 79

7.2 神经网络的基本概念 79

7.3 ANN算法介绍 80

7.3.1 BP神经网络 81

7.3.2 概率神经网络 83

7.4 基于ANN的分类预测 84

7.5 利用神经网络预测工程变更争议判决结果 85

7.5.1 分类准备 85

7.5.2 ANN网络设计和性能比较 87

7.6 本章小结 93

第八章 基于贝叶斯分类器的工程争议结果预测 94

8.1 概述 94

8.2 朴素贝叶斯分类器 94

8.2.1 贝叶斯定理 94

8.2.2 朴素贝叶斯分类 95

8.3 贝叶斯分类器 95

8.3.1 贝叶斯网络的概念 95

8.3.2 贝叶斯分类器参数学习 96

8.3.3 贝叶斯分类器结构学习 97

8.4 TAN分类器 101

8.5 利用贝叶斯分类器预测争议判决结果 102

8.5.1 分类准备 102

8.5.2 朴素贝叶斯分类器和TAN分类器结果比较 104

8.5.3 贝叶斯网络分类器结果比较 107

8.6 三种分类器性能比较 109

8.7 本章小结 111

第九章 总结与展望 112

9.1 研究成果 112

9.2 本书创新点 113

9.3 本书不足和展望 114

参考文献 115

附录 124

精品推荐