多维优化案例推理检索算法研究

摘要

本文对案例推理技术做了详细的分析，并且对案例检索技术的优化进行了研究，设计了一种结合了遗传算法和分层权重确立法的多维优化模型，从选择属性、确定权值，选择案例三方面对以最邻近检索策略为主的检索策略进行了优化处理，使得检索更具有目标性。其次，本文对案例库的表示进行了扩展，从问题描述、过程描述、目标类型、系统要求、用户评价五个方面分别对案例进行描述。第三，考虑到用户在某一段时间对于数据的关注有一定的规律性，本文建立了用户信息库，利用用户信息为案例检索提供反馈信息，构成一个反馈式的案例推理系统，从而减少了案例推理所带来的时间上的耗费。最后在案例改编上本文采用了在案例库中多加一个案例改编表，该表记录了案例曾经的修改经验。通过这种改编经验来改编案例。基于不同的算法对不同的数据类型的反应不同，所以改编主要是针对算法的参数进行修改。修改的时候也是采用改编记录和常规修改函数两种方式相结合。在案例学习上也就是案例库的更新上本文使用以用户的评价和使用率的平均值作为依据进行剔除和更新。 在实验方面主要是做了两个验证，一个是关于多维优化算法的验证，选取基于遗传算法的单目标和两维优化经典模式代表，与本文的模式做比较，从搜索空间和案例推理结果上做了比较。证明了多维优化的优越性。另外，对本系统的整体表现做了评估，主要是取目前开源的比较好的机器学习工具WEKA作为对比对象。从时间和结果上进行了对比，得到了比较满意的结果。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究的背景

1.2研究的意义

1.3智能化数据挖掘系统的发展现状

1.4主要内容及章节安排

1.4.1主要内容

1.4.2文章章节安排

第二章基于案例推理方法概述

2.1概述

2.2基于案例推理的基本原理

2.2.1案例推理的思想

2.2.2案例推理的分类

2.2.3基于案例推理的基本步骤

2.3基于案例推理的核心技术介绍

2.3.1案例表示

2.3.2案例库的组织与存储

2.3.3案例检索

2.3.4案例的调整和修改

2.3.5案例学习机制

2.4基于案例推理技术研究的现状

2.5本章小结

第三章多维优化案例检索技术

3.1概述

3.2案例检索算法研究

3.2.1 K-NN邻近算法

3.2.2相似性度量

3.2.3属性权重算法研究

3.2.4属性选择技术的研究

3.3案例检索优化算法的研究动态。

3.4多维案例检索优化模型的建立

3.4.1属性权重算法的确定

3.4.2案例检索算法的确定

3.4.3多维优化模型

3.5多维优化模型的关键技术及应用

3.5.1 AHP的分层分析方法原理

3.5.2智能系统中AHP方法的应用确定

3.5.3基于GA和AHP的多维优化技术

3.5.4反馈式的CBR系统研究

3.5.5反馈式CBR系统与多维优化技术在本系统中的结合

3.6多维优化模型的实验验证

3.6.1实验设计

3.6.2实验结果分析

3.7本章小结

第四章智能化数据挖掘系统设计

4.1系统的功能需求

4.2体系结构设计

4.3功能模块设计

4.4智能化系统的数据库设计

4.4.1元数据组织及主要内容

4.4.2智能化系统元数据的主要内容和组织结构

4.4.3案例库的设计

4.4.4案例库的组织

4.4.5算法集成模块

4.5案例推理过程

4.5.1案例的自动改编

4.5.2案例库的学习

4.6系统总体评测

4.6.1实验设计

4.6.2实验结果分析

4.7本章小结

第五章结论及进一步的探索与展望

5.1结论

5.2探索与展望

参考文献

致谢

攻读学位期间发表的学术论文目录