基于覆盖性和适应度的CBR实例库维护

摘要

针对实例推理(CBR)系统中实例无限增加会导致实例库冗余和实例检索效率降低,从而使系统总体性能下降的问题,对现有的实例库维护方法进行了分析,给出了基于实例覆盖性的实例保存策略,以此来限制实例库的无限扩大,进而提出以实例适应度函数对实例在实例库中的存在性进行描述,精简实例库中适应性差的实例,从而优化了实例库的存储结构,提高了系统性能.最后以冲裁模具实例库的维护为例,验证了上述方法的合理性和有效性.