案例推理的两级案例检索方法研究

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。

目录

声明

摘要

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