分布式知识系统中基于粗糙集的CBR检索方法

摘要

基于实例推理(Case-Based Reasoning,CBR)自20世纪80年代末、90年代初兴起之后,受到人工智能研究者的高度重视.CBR是一种相似推理方法,其核心在于用过去的实例和经验来解决问题.如何在CBR系统中高效地完成最相似实例的检索是CBR的关键问题之一,这对于新问题的求解效率和推理的准确性都有较大影响.另外随着计算机网络的飞速发展,特别是Internet网络在全球范围内的兴起,使得网络在人们的日常生活中几乎无所不及.伴随着网络的迅速崛起,分布知识系统(Distributed Knowledge System,DKS)有了很大的发展.本文正是在分布式知识系统环境下,考虑到实例检索时许多属性是属于定性属性,可用粗糙集方法去除冗余的实例决策表属性,然后再用BP网络来实现相似实例检索.