利用数据挖掘技术从气象数据库中建立范例库

基于范例的推理中的知识表示是以范例为基础,目前,在基于范例的推理中,一个重要的任务是如何准备有效的范例库.在有些领域,过去虽然有比较详细的工作记录,建立了一些相关的数据库,但都是实际观测或工作运行状态的简单记录.我们采用了数据挖掘的技术来处理范例获取的问题,从存储于农业气象数据库中的信息发现范例,以形成范例库.     

数据挖掘技术在构造范例库中的应用

将基于范例的推理应用于实际系统中，一个很关键的问题是如何构造一个丰富而高效的范例库。采用了数据挖掘技术， 提出了一个综合算法，从传统数据库中构造范例库，以提高知识获的自动化程度。     

范例推理系统中的范例库维护

在范例推理系统中，系统的学习会使范例库逐渐增大，一般来说范例库越大，知识越丰富，但也不能无限增加，否则会大大增加相似范例检索的时间，降低系统的总体性能。因此范例推理学习系统必须有维护功能，主要目的是限制范例库的无限膨胀，且能保持系统的性能。本文在给出一个改进的删除策略维护方案的同时，并从另一角度出发，提出一个基于范例增加的维护策略，以保证系统的性能不受影响，从而达到小范例库强功能的目的。     

利用数据挖掘技术构造范例库的新方法探究

范例推理技术作为基于规则推理技术的补充,其关键就是能很好地解决知识获取的瓶颈问题,但在范例推理技术的实际应用中,如何高效建立范例库也是一个棘手的问题。采用数据挖掘技术,提出一种综合算法从传统数据库中构造范例库,可望部分解决范例获取的自动化问题,提高系统的运行效率及整体性能。     

用遗传算法挖掘范例库中的特征项权重的方法

范例推理的关键步骤在于相似范例的检索，而范例库中的特征项权重起着重要的作用。文章着重讨论了应用于范例库上获取特征项权重的数据挖掘算法，并提出用遗传算法发现范例库上特征项权重的过程与算法，然后进行了实验与讨论。     

基于范例和规则相结合的推理技术

机器学习人员多年来提出诸多机器学习的混合体系结构，以改进机器学习的性能。本文着重提出一个基于范例推理与规则推理相结合的推理技术，以及一个范例库划分算法，其目的是充分发挥两种推理的优势，提高问题求解的效率。最后给出了一些测试结果和相关的结论。     

基于贝叶斯方法的范例检索

提出了利用贝叶斯概率理论进行范例推理，因为在范例库中进行范例检索是范例推理中的一个非常重要的组成部分。该文中主要考虑的是如何利用贝叶斯方法进行范例检索并提出了一个评估两个范例相似程度的匹配函数。在传统的方法中，可以用欧氏距离等方法来评估两个范例的相似性。在实验中，把这两种方法进行了比较，实验结果表明贝叶斯方法不仅呵行，而且比用欧氏距离方法更优。     

一种基于能力的范例库自动建立新方法

如何有效地建立简洁且性能可靠的范例库,以提高基于范例推理系统的性能,是当前基于范例推理研究的热点.本文结合NCL CLARA聚类算法与脚标数据的优点,给出了一种有效的基于能力的范例库自动建立新方法.通过实验表明,该方法能在保持原始领域数据库系统解决问题能力的前提下,最大程度地减少生成的范例库.     

基于归纳技术的范例推理及其应用

首先研究了可以与范例推理相结合的多种技术，并着重研究了基于范例推理和归纳技术的集成方法，以充分利用范例推理和归纳技术的各自优势，提高求解问题的能力。该文提出了一个基于归纳技术的范例推理分类算法，实验证明了此算法有着良好的分类准确率。     

聚类算法在范例库维护中的应用研究

详细介绍了将传统的聚类算法应用于基于范例推理系统中,并为范例库维护提供了一条有效的途径。实验表明,在范例库的维护中,聚类方法是一种行之有效的方法。     

集成案例推理综述

本文总结和分析了近几年集成案例推理研究的新进展。在案例推理和智能方法集成方面,本文分析了案例推理与智能方法集成的原因,归纳了所应用的集成模型的类别,总结了案例推理与智能方法集成的优势;在案例推理和智能技术集成方面,本文分析了案例推理与智能技术集成的原因,介绍了智能技术在案例表示、案例库构建、案例检索和案例适配中的集成应用,指出了案例推理与智能技术集成的优势。最后,本文展望了集成案例推理未来发展的趋势。     

基于CBR的应急案例本体模型

为了解决案例推理过程中应急案例理解上的语义冲突问题,通过分析突发事件应急案例,在扩展ABC本体模型的基础上,定义了基于CBR的应急案例本体模型,并详细描述了模型中的概念、关系、公理和实例等要素。最后以福岛第一核电站核危机为例对该模型进行了验证。     

基于偏好信息的案例检索算法

案例推理方法建立在“相似问题具有相似解”的基础上,能否从案例库中检索出与新问题“最相似”的案例是案例推理方法成功的关键因素之一。该文提出一种改进的检索方法,在原始最近相邻算法基础上,用专家对新问题案例与历史案例属性差异的效用评价替代原始的属性差异值来衡量专家对属性差异的敏感程度。引入变异系数来标度新问题案例与历史案例的属性差异的分布情况,从而保证检索出的最相似案例具有较高的属性差异的均衡性。通过具体案例检索实例分析,验证了该方法的有效性。     

CBR的应急案例通用表示与存储模式

针对目前基于案例推理的应急辅助决策研究中只能对某一特定类型应急案例进行案例表示和案例推理的局限,设计一种基于应急概念树-突发事件本体模型-事件元模型的三层架构的通用应急案例表示与存储模式,为4大类突发事件应急案例的表示、存储与推理提供一个通用的平台。通过原型系统的开发证明该通用模式的实用性。     

基于网格聚类的案例检索策略

基于案例推理的智能推荐系统是大型科学仪器协作共用网的重要组成部分。通过对案例库按网格进行聚类,设计并实现一个基于异构案例库的检索策略。分析案例库网格划分原则及案例聚类规则,论述案例聚类算法及在聚类基础上的案例检索策略。实验结果表明,该方法能够有效地降低案例检索时间,提高案例库的可维护性。     

基于案例推理的ISP知识重用方法

针对企业信息化中信息系统规划(ISP)在较大程度上依赖先前规划经验和知识的特点,为有效支持ISP知识重用和管理创新,将案例推理技术应用于ISP知识重用的全过程,提出基于案例推理的ISP知识重用方法(HRM KGANNA),研究应用框架、案例表示、案例检索算法与重用等关键技术。通过组织案例库进行ISP知识检索实验,结果表明HRM KGANNA法具有良好的准确性和较高的效率。     

基于案例的推理在农业专家系统中的应用

该文将基于案例的推理方法CBR应用到农业专家系统中。在对CBR方法作了简单介绍后,提出了在农业专家系统中面向对象的案例表示、案例库组织的两层结构,并以大豆专家系统中病虫害诊断模块为例阐述了CBR推理在农业专家系统中的具体实现过程。     

多维优化案例推理检索算法研究

案例检索是案例推理系统的中心环节,检索质量关系着整个系统的质量。利用遗传算法GA和层次分析法AHP相结合,从案例库,属性的约简,权值确定三方面对案例检索进行优化。利用遗传算法在搜索优化上的优势,使用两维的编码结合权值从而形成三维优化,并利用经验和权值中间表进行权值学习。从而提高检索命中率。并将这种模型运用到基于旅游的多策略数据挖掘系统进行实验,结果表明在案例检索的命中率上有明显提高。     

CBR中的检索模型研究

事例检索模型直接影响基于事例推理(Case-BasedReasoning,CBR)的结果。该文提出了一种将多概念学习的决策树算法、多维加权贴近度法与模糊综合评判法相结合的事例检索模型,并根据事例状态的属性设计了几种隶属度函数。分析了此模型的优缺点,指出了今后的改进方向。     

基于案例匹配度的Agent劝说机制

自动谈判中的Agent劝说能充分提高其在动态环境下的谈判效率,保证谈判效果,同时极大节约谈判成本。案例推理技术能使Agent将谈判中遇到的新案例与以往成功案例进行比对,根据结果做出较优的选择,从而促使Agent之间取得更佳的合作效果。对Agent劝说中的案例匹配度的概念进行了界定;结合形式逻辑理论,建立了基于案例匹配度的Agent劝说模型,并通过举例对模型进行了阐述;提出了模型中关键指标的计算方法,并通过算例进一步给出了相应的评价体系和交互机制;最后进行了验证,实现了基于案例匹配度的Agent劝说机制的构建。实验结果表明,该机制能有效减少系统开销。