基于相似粗糙集的案例特征权值确定新方法

针对现有案例特征权值确定方法客观性差、算法复杂等问题，首先介绍和完善了基于传统粗糙集的权值确定方法．其次，针对基于传统粗糙集的方法会造成案例相似度测量误差从而影响案例推理的准确性的问题，将传统粗糙集的不可分辨关系推广为相似关系，提出了一种基于相似粗糙集的案例特征权值确定方法．给出了相似粗糙集的基本定义，以及利用该方法基于差别矩阵进行特征权值计算的两个定理．最后，用实例表明了方法的有效性．     

基于粗糙集的CBR系统案例特征项权值确定

案例特征属性的权值确定是案例相似性度量中的关键问题,该文提出一种新的案例特征项的权重系数计算方法,该方法利用粗糙集理论判断实例特征属性的重要度,并将其权值化处理作为其权重系数,克服了传统方法确定权重系数的主观性。最后,以工程项目风险分类系统作为应用对象,说明该方法的有效性。     

应用于洪涝灾害案例推理中的层次熵分析法

案例推理中影响匹配案例检索的关键因素之一就是特征属性权值的分配与确定。将层次熵分析法应用于洪涝灾害案例推理中,对灾后救灾口粮的需求进行了预估。由层次分析法分析决策问题的目标及多种层次因素,构造出合理的层次结构。结合主观判断信息得出特征属性权值的优先级。在此基础上利用熵技术对其进行修正,确保特征属性权值具有客观性,使得优选案例更加切合实际情况。通过实验结果证明,该方法适用于洪涝灾害案例推理,可以从多项历史案例中选择与目标案例匹配最佳的案例,从而为准确预测救灾口粮需求提供了科学的参考。     

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.     

基于云模型的案例推理研究

本文首先介绍了基础的对象型知识推理形式,把对象型知识推理又细分为面向框架和面向案例两种。在此基础上对这几种推理引进云模型理论,从而使得推理过程更接近于人的思维,虽然与原来相比在一定程度上增加了推理的繁琐度,但得到的推理结果更符合实际要求。     

案例推理在认知引擎中的应用

遗传算法可用于认知引擎中传输参数的优化,但随着认知用户数的增加,遗传算法染色体增长,导致算法收敛时间过长,难以满足认知无线电实时通信的需求．以现有认知引擎为基础提出一种新型的认知引擎架构,并将案例推理融入遗传算法中,利用案例推理寻找匹配案例,为遗传算法提供初始种群,减小遗传算法选择初始种群的盲目性．仿真分析结果表明,与仅采用遗传算法的认知引擎相比,融合案例推理的遗传算法构造的认知引擎收敛速度和处理能力有显著提高,效用函数值也有一定增强．     

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。     

基于粗糙集的隧道施工风险案例推理研究

隧道工程具有复杂性和不确定性,其施工过程存在很大风险。该文调研隧道工程历史案例,从问题、情景描述、求解方法和结果4个方面进行案例库的设计和归纳。根据粗糙集理论,利用差别矩阵实现对案例决策表特征值属性约简和属性权重的学习。与传统方法相比,该方法有利于减少主观影响,提高风险评估准确率和效率,保证了隧道施工的安全性。     

基于案例推理和规则推理的公安突发事件辅助决策算法

为了提高突发事件发生时公安指挥部门处置决策方案的及时性和科学性,本文提出基于案例推理(Case-Based Reasoning, CBR)和规则推理(Rule-Based Reasoning, RBR)的公安突发事件辅助决策算法。算法根据突发事件的级别、类型和突发事件中的具体数据,如伤亡人数等,通过CBR检索出案例库中同级别同类型的最相似案例,再通过RBR对检索案例的结果进行修正优化使之更适用于突发事件的实际情况。最后通过实例成功地验证了该算法。该算法能够为公安应急预案与辅助决策平台的建设提供参考。     

基于PCA和案例推理的煤与瓦斯突出动态预测

为了实现对煤与瓦斯突出快速、准确和动态预测,提出了一种基于主成分分析(PCA)和案例推理(CBR)的煤与瓦斯突出预测方法。考虑煤与瓦斯突出多种影响因素,利用案例推理技术对煤与瓦斯突出危险性进行预测。同时采用一种基于PCA的案例描述特征权值确定方法,以提高案例检索效率以及煤与瓦斯突出预测准确率。利用实测数据对所提方法进行验证,实例验证结果表明,所提方法预测结果的准确性和稳定性更高,预测平均误差和最大误差分别仅为0.154%和0.77%,远小于模糊神经网络方法和专家给定权值的案例推理方法。     

Global optimization of feature weights and the number of neighbors that combine in a case-based reasoning system

Abstract: Case-based reasoning (CBR) often shows significant promise for improving the effectiveness of complex and unstructured decision-making. Consequently, it has been applied to various problem-solving areas including manufacturing, finance and marketing. However, the design of appropriate case indexing and retrieval mechanisms to improve the performance of CBR is still a challenging issue. Most previous studies on improving the effectiveness of CBR have focused on the similarity function aspect or optimization of case features and their weights. However, according to some of the prior research, finding the optimal k parameter for the k-nearest neighbor is also crucial for improving the performance of the CBR system. Nonetheless, there have been few attempts to optimize the number of neighbors, especially using artificial intelligence techniques. In this study, we introduce a genetic algorithm to optimize the number of neighbors that combine, as well as the weight of each feature. The new model is applied to the real-world case of a major telecommunication company in Korea in order to build a prediction model for customer profitability level. Experimental results show that our genetic-algorithm-optimized CBR approach outperforms other artificial intelligence techniques for this multi-class classification problem.     

基于案例推理的动态应急决策方法研究

针对突发事件中情景动态变化的问题,提出了一种基于案例推理的动态应急决策方法。根据初期获取的应急信息检索情景库,生成初步应急方案;通过综合考虑情景属性的变化趋势和专家的预测来生成下一时刻的情景;在该基础上,利用预测情景与历史情景的相似度测算结果来选择与下一时刻预测情景最相似的情景,并通过情景相似度比较进行方案选择,给出应急决策方案的动态调整方法;通过算例说明了该方法的有效性和可行性。     

基于知识挖掘和案例推理的电渣重熔过程智能优化设定控制

依据电渣重熔生产工艺特点、操作经验和历史数据库,提出了基于案例推理的电渣重熔生产过程智能 优化设定控制方法．采用粗糙集理论从积累的大量电渣重熔过程历史控制数据中获取知识,将典型工况总结成案例 的形式以构造案例库,并对案例推理过程中的案例检索、案例修正及存储方法进行详细描述．该智能控制策略应用 于某电渣重熔生产过程,稳定了电渣重熔过程工艺指标,取得了较好的应用效果．     

基于案例系统的不确定案例索引和检索方法

将粗集理论引入基于案例的推理系统,充分利用案例库中冗冗余属性的简化,形成案例的多个索引,从而可根据不同问题按不同索引进行检索并得出结论。计算实例表明,该方法既能有效地解决不确定问题,又能提高系统的性能。     

基于案例推理增强学习的磨矿过程设定值优化

磨矿粒度和循环负荷是磨矿过程产品质量与生产效率的关键运行指标,相对于底层控制偏差,回路设定值对其影响要严重的多.然而,磨矿过程受矿石成分与性质、设备状态等变化因素影响,运行工况动态时变,难以建立模型,因此难以通过传统的模型方法优化回路设定值.本文将增强学习与案例推理相结合,提出一种数据驱动的磨矿过程设定值优化方法.首先根据当前运行工况,采用基于Prey-Predator优化的案例推理方法,决策出可行的基于Elman神经网络的Q函数网络模型;然后利用实际运行数据,在增强学习的框架下,根据Q函数网络模型优化回路设定值.在基于METSIM的磨矿流程模拟系统上进行实验研究,结果表明所提方法可根据工况变化在线优化回路设定值,实现磨矿运行指标的优化控制.     

基于VPRSM的辐射源灰色识别法

针对辐射源识别问题,提出一种基于变精度粗糙集与灰色理论相结合的雷达辐射源识别方法.利用变精度粗糙集获取雷达辐射源各属性参数的权重,并结合灰色关联分析完成辐射源识别.以雷达用途识别为例,给出仿真实验.结果表明,该算法在-15dB的低信噪比条件下,能获得高于90%的识别率,从而表明了新算法的有效性.     

一种基于代价敏感学习的范例推理方法及其应用研究

提出一种基于代价敏感学习的范例推理方法，可以对大规模、高维数据进行分类和预测。该算法在分类的同时，不断调整数据属性项权重，以减少由分类引起的误分代价。在某入侵检测数据分析中取得了较好的结果。     

基于遗传算法和案例推理的软件费用估算方法

为了提高类比法的估算精度,减少人工检索案例的工作量和难度,提出了一种基于遗传算法和案例推理的软件费用估算方法。给出了案例推理过程的估算步骤,构造了案例的相似性度量函数;设计了用于案例推理问题的遗传算法,利用该算法在历史数据库中搜索与目标案例最相似的项目,并对软件项目的特征权重进行优化;借助Albrecht和Desharnais数据库,对提出的方法进行分析。实验结果表明,该方法可以在软件生命周期的早期显著提高软件费用的估算精度,与类比估算和线性回归方法相比,具有更小的平均误差率,其估算性能符合相关行业软件的估算需求。     

基于改进的RS-GA图像特征选择方法

针对目前图像识别中原始特征数量大、不相关特征多以及冗余等现象,提出了一种图像特征选择方法。将遗传算法(GA)与粗集(RS)思想有机结合进行特征选择,引入粗集中相关属性依赖度的定义,设计了适应度函数和遗传算子,以提高算法时间效率和获得最佳搜索结果,并将该特征选择方法应用于图像,实验表明,基于改进的RS-GA图像特征选择方法达到了较好的效果,并具有较高的算法效率。