案例推理的两级案例检索方法研究

论文摘要

基于案例推理（Case-based Reasoning, CBR）是人工智能领域中一项重要的问题求解和学习的推理技术,它采用过去的专家经验解决当前问题。随着案例推理方法的应用和不断发展,案例库的规模会逐渐膨胀,这既能增加案例库中的知识数量,增大了案例推理解决问题的能力,同时案例库的增长导致了案例检索速度的减慢,这又大大影响案例推理系统运行的效率。因此,如何提高案例检索的速度,提高案例推理系统的运行效率,成为了案例推理研究的一个热点问题。本文采用两级案例检索的策略,即第一步利用部分属性实现案例的粗检索,得到初步相似结果集；第二步,对第一步粗检索得到的初步相似结果集进行精确匹配,即可得到我们所需要的案例。这样既提高了案例检索的速度,同时也保证了案例推理解决问题的能力,提高了案例推理运行的效率。第一步,本文采用粗糙集理论,将案例属性进行分类,确定了每一个案例属性的权值,约简掉不重要的属性。采用进行约简后的部分属性,与最近相邻法相结合进行案例检索,得到了初步结果相似集,完成了案例检索的第一步检索。第二步,针对传统案例检索方法的不足,本文引入灰色关联分析加入到案例检索当中。通过分析灰色关联分析的优缺点,合理地和欧几里得距离相结合,并且确立了灰色关联分析中的分辨系数的选择策略,成功地完成了对初步相似结果集的精确匹配,得到了与目标案例最相似的案例。通过以上两步案例检索,大大减少了案例检索的计算量,减少了案例推理的运行时间,也保证了案例检索的精确度,提高了案例推理运行的效率。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.2 案例推理的研究现状
• 1.3 案例检索方法研究现状
• 1.4 本文的主要内容
• 第2章 基于案例的推理方法
• 2.1 案例推理产生的背景
• 2.1.1 案例推理技术的产生
• 2.1.2 案例推理技术的理论背景
• 2.2 案例推理中的关键技术
• 2.2.1 案例表示
• 2.2.2 案例检索
• 2.2.3 案例调整
• 2.2.4 案例的评估和学习
• 2.2.5 案例库维护
• 2.3 案例推理技术的特点
• 2.4 案例推理技术的应用
• 2.5 本章小结
• 第3章 案例推理中两级案例检索框架设计
• 3.1 案例检索的基本参数
• 3.1.1 案例检索的目标
• 3.1.2 案例检索的相似性度量依据
• 3.2 传统案例检索方法
• 3.2.1 最近相邻法
• 3.2.2 归纳推理
• 3.2.3 知识导引法
• 3.2.4 其他案例检索策略
• 3.3 两级案例检索方法
• 3.3.1 两级案例检索中的第一级检索
• 3.3.2 两级案例检索中的第二级检索
• 3.3.3 算法流程图
• 3.4 本章小结
• 第4章 基于案例属性约简的第一级检索
• 4.1 案例的属性约简
• 4.2 经典属性约简策略
• 4.3 粗糙集属性约简算法
• 4.3.1 粗糙集理论的基本思想
• 4.3.2 信息系统与决策系统
• 4.3.3 等价关系与等价类
• 4.3.4 上近似集与下近似集
• 4.3.5 依赖度与属性重要性
• 4.4 基于粗糙集的案例属性约简
• 4.4.1 案例属性离散化
• 4.4.2 案例属性的权值确定
• 4.4.3 案例属性的约简
• 4.5 基于案例属性约简的最近相邻法检索
• 4.6 仿真研究
• 4.7 本章小结
• 第5章 基于灰色关联度的第二级案例检索
• 5.1 灰色关联系统概述
• 5.2 灰色关联分析方法与步骤
• 5.2.1 确定参考序列和比较序列
• 5.2.2 参数无量纲化处理
• 5.2.3 求参考数列与比较数列的灰色关联系数
• 5.2.4 求关联度
• 5.2.5 灰色关联度排序
• 5.3 基于灰色关联分析的二级检索
• 5.3.1 灰色相似度算法
• 5.3.2 分辨系数的确定
• 5.4 仿真研究
• 5.5 本章小结
• 第6章 总结与展望
• 参考文献
• 致谢