提高案例推理分类器的可靠性研究

针对案例推理（Case-based reasoning,CBR）分类器的可靠性问题,本文提出一种改进的案例检索和案例重用方法. 首先在案例检索环节应用注水原理对属性权重进行优化分配,利用每个属性数据的标准差和均值构造拉格朗日函数求得属性权重,并设定重要度阈值指导属性约简;其次在案例重用环节引入基于可信度的重用策略,通过计算目标案例分属于各个类别的可信度大小来确定当前案例的分类结果. 最后通过实验对比,表明本文方法能有效提高分类精度和效率,分类器的可靠性得以保障.     

一种改进的案例推理分类方法研究

特征属性的权重分配和案例检索策略对案例推理（Case-based reasoning,CBR）分类的准确率有显著影响. 本文提出一种结合遗传算法、内省学习和群决策思想改进的CBR分类方法. 首先,利用遗传算法得到多组属性权重,再根据内省学习原理对每组权重进行迭代调整;然后,通过案例群检索策略得到满足大多数原则的群决策分类结果;最后,以典型分类数据集的对比实验证明了本文方法能进一步提高CBR分类的准确率. 这表明内省学习可以保证权重分配的合理性,案例群检索策略能充分利用案例库的潜在信息,对提升CBR的学习能力有显著作用.     

案例推理分类器的权重分配及案例库维护方法

由于特征权重分配以及案例库维护对案例推理（CBR）分类器的性能有重要影响,提出了用蚁狮（ALO）算法来分配权重且用高斯混合模型的期望最大化算法（GMMEM）进行案例库维护的案例推理算法模型——AGECBR（Ant Lion and Expectation Maximization of Gaussian Mixture Model Case-Based Reasoning）。首先采用蚁狮算法对特征权重进行分配,在这个过程中将案例推理分类准确率作为蚁狮算法对特征权重进行迭代寻优的适应度函数,以此实现特征权重的优化分配;然后,使用高斯混合模型的期望最大化算法对案例库中的各案例进行聚类分析,并删除其中的噪声案例和冗余案例,从而实现案例库的维护。在UCI标准数据集上进行了实验,所提模型AGECBR比反向传播（BP）、k-近邻（kNN）等分类算法平均分类准确率提升了3.83~5.44个百分点。实验结果表明,AGECBR能够使案例推理分类准确率得到有效改进。     

一种基于CBR的特征属性权重选取与自修正方法

提出了一种基于CBR的特征属性权重选取与自修正方法,即通过构建历史权重案例库和相似性检索得到与目标权重最相似的权重来完成权重的选取,并对相似权重与目标权重进行差异性分析,基于差异属性集对案例库进行聚类分析,再从聚类结果中检索出与相似权重最相近的权重,以实现权重的自修正。以突发大气环境污染事故案例推理为例,对该方法进行了试验,结果表明此方法能充分借鉴以往的特征属性权重分配经验,较好地解决了特殊环境下的复杂特征属性权重选取与调整问题。     

竖炉焙烧过程的智能设定模型

为了改善多目标评价案例推理设定模型在竖炉焙烧过程控制中的性能,运用注水原理分配过程变量的权重和群决策修正方法对多目标评价案例推理设定方法进行改进,得到一种新的智能设定模型.首先引入注水原理构造Lagrange函数对过程变量的权重进行优化分配,再通过案例检索和案例重用得到设定值的建议解,并根据多目标评价模型预测建议解对生产指标的影响效果,最后,对不合理的设定值进行群决策修正.将得到的设定模型应用于竖炉焙烧过程控制中,通过实验测试和对比应用说明了本文方法优于其他方法,能够有效提高多目标评价案例推理设定模型的控制性能.     

案例推理分类器属性权重的内省学习调整方法

针对案例推理（CBR）分类器中案例属性权重的分配问题,提出一种基于内省学习的属性权重迭代调整方法。该方法可根据CBR分类器对训练案例分类的结果调整属性的权重。基于成功驱动的权重学习策略,若当前训练案例分类成功,则首先根据权重调整公式增加匹配属性的权重并减少不匹配属性的权重;然后对所有权重进行归一化从而得到当次迭代的新权重。实验结果表明,所提方法的CBR分类器在UCI数据集PD、Heart和WDBC的准确率比传统CBR分类器分别提高1.72%、4.44%和1.05%。故成功驱动的内省学习权重调整方法可以提高权重分配的合理性,进而提高CBR分类器的准确率。     

基于贝叶斯粗糙集和混合专家模型的CBR 系统

建立一个完整的案例推理系统,提出一种高效的案例检索方法和一种案例调整策略.在案例检索过程中,提出一种基于贝叶斯粗糙集的属性权重确定算法,在此基础上利用最邻近法检索出与当前案例最相似的一组案例作为参考.使用检索出的相似案例训练分层混合专家模型,并用微粒群算法优化模型参数,实现了对案例的调整.采用实际转炉生产数据进行仿真,结果表明了该案例推理系统的有效性.     

基于CBR与灰色关联度的财务危机预警

提出一种基于案例推理(CBR)与灰色关联度的企业财务危机预警模型。将灰色关联分析应用于企业财务危机预警的案例推理中,采用特征属性的主客观权重计算案例相似度。根据各特征属性对案例检索的重要程度,通过权重向量排除非关键指标对案例判断的干扰。实验结果表明,该方法得到的案例相似性排序结果符合实际情况,可提高相似企业的检索效率,满足企业财务危机预警的要求。     

基于案例属性特征区间相似度的改进算法研究

基于案例推理的关键是确定问题案例与案例库中的案例属性特征的相似度.针对相似度的算法问题,在分析比较多种已有算法的基础上,提出一种解决感知信息和案例库中的案例属性特征均为不确定或不完整信息的区间相似度计算模型,论证了该模型的计算结果适用于特定区间内微小区间相似的问题.结合某型艇抗沉辅助决策系统的预案推理问题,对已有的算法求解结果进行比较,证实该模型可提高案例相似度的计算结果灵敏度.     

基于案例推理的突发事件应急方案生成方法

针对突发事件应急方案生成问题, 提出一种考虑属性特征权重影响的应急方案生成方法. 基于案例推理(CBR) 理论, 将基本遗传算法(SGA) 和粒子群优化算法(PSO) 引入属性特征权重的计算中. 通过收集到的数据验证了案例间相似度计算的准确性, 说明了所提出方法的有效性和可行性.

     

基于事例的推理中相似事例选择的神经网络方法

在基于事例的推理（CBR）系统中，为解决采用最相邻近法选择相似事例时属性权值不易确定的问题，提出事例的前提相似度和结论相似度的概念，并采用一种人工神经网络结构进行属性权值的学习． 该方法从事例库中自动获取属性权值，并用最相邻近法和学习到的属性权值进行相似事例选择．最后，在光动力治疗（PDT）鲜红斑痣（PWS）的临床病例库中应用该方法进行了试验．     

基于权重阈值寻优的案例推理分类器特征约简

为提高案例推(case-based reasoning,CBR)分类器的分类准确率并降低时间复杂度,本文提出了一种基于权重阈值寻优的特征约简策略.首先通过基于数据驱动的方法对特征权重进行分配,得到每个特征的权重结果;其次,设计特征权重重要度阈值的适应度函数,并利用遗传算法对该重要度阈值进行优化搜索,最后根据得到的优化阈值与特征的权重分配情况,删除权重小于该阈值的特征从而完成特征的约简过程.通过对比实验,本文所提策略能够有效提高CBR分类器的分类准确率并降低时间复杂度,表明了权重阈值寻优约简策略的可行性与优越性.验证了本文方法不仅可以降低CBR分类器的时间复杂度,而且能够提高CBR的决策与学习能力.     

基于改进模糊熵和证据推理的多属性决策方法

针对证据推理方法框架下属性权重难以获取的问题,提出一种基于改进模糊熵和证据推理的多属性决策方法。首先,定义证据推理信度决策矩阵框架下的三角函数模糊熵公式,并证明了其满足熵的四个公理化定义。其次,所提方法能够同时处理属性权重完全未知和属性权重信息部分已知两种情况：当属性权重完全未知时,基于信度框架下的改进模糊熵和熵权法的基本思想计算属性权重;当属性权重信息部分已知时,定义加权模糊熵,建立期望模糊熵最小的线性规划模型求解最优属性权重。最后,利用证据推理算法融合方案属性值,结合期望效用理论得到方案排序结果。通过实例计算,并与传统模糊熵计算方法进行比较分析,验证了所提方法能够更加充分地反映原始决策信息,更具客观性和一般性。     

Hybrid similarity measure for case retrieval in CBR and its application to emergency response towards gas explosion

Case retrieval is a primary step in case-based reasoning (CBR). It is important to measure the similarity between each historical case and the target case during the case retrieval process. In recent years, some methods for similarity measure with multiple formats of attribute values can be found in the practical CBR applications, but the in-depth study is still lacking. The objective of this paper is to develop a new method for hybrid similarity measure with five formats of attribute values: crisp symbols, crisp numbers, interval numbers, fuzzy linguistic variables and random variables. First, for each format of the attribute values, the calculation formula to measure the attribute similarity is presented. Then, the method for measuring hybrid similarity between each historical case and the target case is given by aggregating attribute similarities using the simple additive weighting method, and the proper historical case(s) can be retrieved according to the obtained hybrid similarities afterwards. Finally, a case study in the field of emergency response towards gas explosion is introduced to illustrate the use of the proposed method.     

推理建模中基于KDD和粗糙集的案例修改

在应用基于案例推理技术进行智能建模时，案例修改后的案例质量好坏直接影响所建模型的精度，但是由于案例修改对领域知识的依赖性很强，采用一般手工案例修改方法尤法保证案例修改的质量，即无法保证智能推理模型的精度。基于以上原因，该文提出了一种新的案例修改方法，利用KDD技术，通过有效的多值关联规则挖掘算法从运行数据库中挖掘出案例各属性间的依赖关系，得到案例修改的基本关联规则集，在此基础上利用粗糙集理论对基本关联规则集进行简约，然后根据简约后的关联规则进行案例修改。在线对比实验证明，应用本文方法进行案例修改，提商了修改后的案例质量，从而提高了整体智能推理模型的精度。