基于ALCQ(D)的CBR事例表示及相似性度量

针对目前用于CBR事例表示的描述逻辑,如EL、ALC、ALCNR等缺少定性数量约束和有型域约束的问题,将具有定性数量约束和有型域构子的描述逻辑ALCQ(D)应用于CBR中。首先使用ALCQ(D)概念表示有定性数量约束、具体数据类型和数据值约束需求的CBR事例,并对之索引。研究两种主要的具体数据类型:数值类型和符号类型。然后定义ALCQ(D)范式来规范事例的索引表示,最后给出事例相似性度量方法。该度量方法先对事例索引的各个部分进行相似性度量,然后对度量结果进行加权求和得到最终相似性。实验结果表明,ALCQ(D)可以更准确地表示事例,事例相似性度量方法可以更贴切地度量事例的相似性,这对提高事例检索的速度和准确性以及提高CBR系统的效率具有重要意义。     

基于事例推理的技术及其应用前景

文章从基于事例推理(CBR)的研究者及使用者的角度,介绍了目前在CBR中较成熟的技术,重点介绍了事例表示、事例检索、事例修改以及 CBR开发工具等,并分析了其中的不足,指出了CBR的发展前景。     

基于描述逻辑的概念图推理

分析了概念图在知识表示领域的重要性及其存在的问题,提出了一种基于描述逻辑的具有自动推理功能的扩展概念图.针对概念图的特点和需求,给出了将概念图的一个子集转化为描述逻辑知识库的方法,并证明了该方法的正确性.同时给出了其知识库的一致性、包含关系的自动判断方法,也证明了这些判断方法的正确性.     

基于事例的推理(CBR)研究综述

基于事例的推理(CBR)作为一种增量式的学习方法,规避了传统人工智能在知识获取上的瓶颈问题,逐渐引起人工智能领域研究者的关注。对基于事例的推理(CBR)现有研究工作进行逻辑上的梳理和系统的总结,有助于今后研究工作的开展,具有深远的理论意义。该文首次提出基于事例的推理(CBR)研究的逻辑体系结构,并在此逻辑分析的基础上,从基本理论、关键技术和实践应用三方面进行了综述,对其中关键、通用的方法和技术进行了比较和评价。最后,对未来的研究方向进行了展望。     

基于事例推理的检索模型研究

一、引言基于事例的推理(CBR—Case—Based Reasoning)是通过访问知识库中过去同类问题的求解从而获得当前问题解决的一种推理模式。CBR研究兴起的主要原因是传统的知识处理系统对其“边界”以外的知识处理十分低效,不能从知识的积累中进行学习而达到自我完善,也不能对问题求解的策略与结果提供有效的解释,因而其整体性能十分脆弱。     

基于描述逻辑的电机故障诊断知识表示与推理

针对传统电机故障诊断专家系统中知识表示方法的不足,提出一种基于描述逻辑的电机故障诊断领域知识描述方法,并在此基础上对所构建的电机故障知识库进行了逻辑检错推理.通过对电机故障诊断领域知识进行表示和推理,可以有效地表示电机故障知识之间的关系,检测知识逻辑体系错误.在实验过程中,利用本体编辑工具Protégé采用OWL语言对其进行了实现,并通过TABLEAU算法实现了逻辑检错推理.     

基于事例推理的电路诊断技术研究

本文首先简要介绍了基于事例推理(CBR)和基于规则推理(RBR)的优缺点,其次建立了一个CBR和RBR相结合的电路故障诊断系统,最后说明了该系统的基本结构及设计过程。     

一种带缺省推理的描述逻辑

该文提出了一种新的带缺省推理的描述逻辑，它以描述逻辑为主要框架，对单调逻辑和非单调逻辑进行了整合，但又避免了一般缺省逻辑的困难．基于带缺省推理的描述逻辑，构建了一种同时具有Tbox，Abox和缺省规则的知识库系统，研究了带缺省推理的描述逻辑的可满足性、缺省可满足性、概念包含、缺省包含以及实例检测等推理问题，提出了一种用来检测可满足性和缺省可满足性的Tableau—D算法，并得到了缺省可满足性和缺省包含的转换定理．     

基于ALCQ(D)的CBR事例修正算法研究

CBR(基于事例推理)是人工智能领域的一个分支,它克服了知识获取的瓶颈问题,事例修正是CBR的关键步骤。以ALC为代表的描述逻辑已被充分应用到CBR中,但目前在基于描述逻辑的CBR中还没有比较有效的算法来判断检索到的相似事例是否需要修正和如何进行修正。ALCQ(D)是在ALC的基础上引入定性数量约束Q和有型域D得到的。提出的算法用ALCQ(D)概念来描述CBR源事例和目标事例,先假定检索到的相似事例能够解决目标问题,即假定目标事例和相似事例同时满足知识库,但这样可能会与知识库产生冲突;接着使用冲突检测机制来查找相似事例概念描述中导致冲突的概念;最后使用概念替换规则在TBox本体库中检索该概念的最相似概念去替换它自己。研究表明,该算法具有界限性、可靠性和完备性。通过一个实例对其进行检验,结果表明,该算法可以准确修正检索到的相似事例,解决目标问题。     

描述逻辑非标准推理

描述逻辑是知识工程应用领域中重要的一类知识表示形式化工具。近年来,解决描述逻辑标准推理和非标准推理已成为描述逻辑研究的一个重要内容。文中概述描述逻辑的标准推理和非标准推理的重要性和研究进展,给出LCS推理、MSC推理、重写推理、匹配推理、调试推理和保守扩充等非标准推理的定义和实现这些推理的主要技术。深入讨论LCS推理、MSC推理和匹配推理,以及混合循环术语集的非标准推理及其研究进展。最后探讨描述逻辑非标准推理的发展趋向。     

基于案例的推理在增值税纳税申报系统中的应用

将基于案例的推理(CBR)方法应用于增值税纳税申报系统中，收集各种典型增值税案例的处理经验组织成案例库。当遇到实际案例时，以业务特征分类成小案例到案例库中寻找相匹配的案例解答后，再收集计算结果以输出新案例的完整求解方法。     

基于粗糙集和CBR的救灾口粮需求预测

救灾口粮预测所采用的方法多以专家经验判断为主,具有较大的随机性。为此,从灾害案例的特点出发,针对案例推理时存在效率低下和权重确定差异性较大的问题,结合粗糙集处理不确定知识的优点和案例推理的特点,提出一种方法,实现灾害应急救灾口粮需求预测,并通过洪涝灾害实例进行分析。结果表明该方法有利于减少主观影响,提高需求预测的准确率和效率。     

基于范例库推理的软件成本估算模型研究

用传统的经验函数估算软件成本有很多局限性，采用基于范例库推理的估算方法可以很好地弥补其中的问题。讨论了软件成本估算和基于CBR推理研究的特点，从总体上阐述了COSCBR系统结构，描述了系统重要的研究方面：影响软件成本因素；层次推理；COSCRB系统的范例表示方法；相似度的基本计算算法。     

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。     

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.     

基于案例与规则推理的故障诊断专家系统

设计并实现基于案例的推理(CBR)与基于规则的推理(RBR)的故障旋转机械诊断专家系统。采用CBR与RBR串行方式进行推理,优先通过案例匹配方式寻求诊断结果,在不适用情况下转入通用性规则推理,并将诊断结果反馈给知识库进行优化。应用结果表明,该系统诊断结果与实际相符合,且诊断速度快、针对性强。