基于相似粗糙集的CBR范例提取算法

提出了利用相似粗糙集进行范例提取的算法,自动从原始数据中提取典型范例并能获得较高的分类精度.该算法能较好的处理噪声的干扰,减少预设参数的数量,并能直接处理连续数值型属性,避免了复杂的属性离散化的计算.实验结果验证了算法的可行性和有效性.     

基于相似粗糙集的气象范例库的生成方法

基于范例推理的气象灾害预测领域,从气象数据库中提取出典型的源范例是首要的步骤,而获取高质量且无噪声干扰的气象范例,减少范例存储的时间和空间复杂度是其主要目标.提出了利用相似粗糙集进行气象范例提取的算法,通过简化相似天气的无向图,自动从原始天气数据中提取典型范例.该算法能较好的处理噪声的干扰,并能直接处理连续数值型属性,避免了复杂的属性离散化的计算.实验结果验证了算法的可行性和有效性.     

一种基于相似粗糙集技术的案例库维护

最近的研究工作突现了在案例推理过程中案例库维护的重要性,越来越多的人认为基于案例推理系统包含了案例库维护的有关过程(Review和Restore)。案例库维护作为CBR研究的一个分支,已经研究出不同的案例库维护策略,其中一些是限制案例库的规模,由此引发了CBR系统的能力与效率问题。相似粗糙集技术可以有效地利用差别矩阵,通过不同的相似度阈值发现以及处理案例库的冗余,有选择地删除多余的案例;同时案例库的覆盖度不降低,减少了案例适应性修改的代价,从而确保了CBR系统的能力与效率的兼顾。     

基于非对称相似差别矩阵知识约简

信息系统中存在着大量数据值缺省的情况,为寻求约简的最优解需耗费大量的时间。用非对称相似关系代替粗糙集理论中的等价关系,定义了非对称相似差别矩阵,提出了基于非对称相似差别矩阵的高效求核和知识约简算法。该算法无需改变初始不完备信息系统的结构,能直接处理缺省数据。实验结果表明,新算法所获得的决策规则简洁、高效,与缺省值无关。     

基于粗糙集的推理通道消除

基于粗糙集理论对推理通道问题进行了研究。通过采用属性约简和属性值约简方法对数据库中的数据进行处理。在属性值约简基础之上,采用一种改进算法找出了数据库中推理规则集。进一步,将推理规则集中属性频率高的属性安全级别提高至决策属性的安全级别,从而消除推理通道。最后通过一个实例表明提出的消除通道算法是有效的。     

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。     

基于粗糙集和相似度量的CBR检索方法

检索是CBR中的关键技术,直接影响到范例推理的效率和质量,该文提出先用粗糙集理论去除冗余的范例决策表中的特征属性,再用相似度量理论来实现相似范例检索,这种检索方法检索效率高。同时给出了该方法在天气情况预测上的实例,验证了其有效性和准确性。     

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。     

交互式基于范例的推理及应用研究

1.引言近几年来,研究人员一直在致力于研究和解决基于范例推理(Case-based reasoning,CBR)的理论和应用课题,如更为有效的范例表示、索引、检索和修改方法,范例库的创建及维护方法,将CBR与其它人工智能技术集成等。一般说来,传统的CBR是以静态的方式求解问题的。范例是处于一种被动、等待被检索的状态,不能根据所要求解的问题及环境的变化,通过和用户的交互调整范例的内容、结构进行问题的求解。另一方面,在大部分传统的CBR系统中,都是要求用户一开始就要向系统输入一个所要求解的问题的完整描述,然后才开始求解。这就要求用户事先必须确定与问题求解有关的特征,并具有较为详尽的领域知识。这在实际中往往是难以做到的。再者,从应用的角度看,传     

基于粗糙集的归纳推理检索方法

归纳推理检索是基于事例推理（CBR）中常用的检索方法之一，是基于ID3算法的检索方法。文章在基干事例推理方法的背景下论证了事例的属性的重要性和冗余之间的关系，并在此基础上从属性相对于其属性的重要性角度来构造启发函数。和ID3算法相比较，该算法不但降低了计算复杂性，而且在一定程度上可以消除样本中的噪声，使归纳推理检索方法的检索效率有所提高。     

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。     

基于粗糙集的CBR系统属性约简改进算法

提出一种基于粗糙集的改进的约简算法和决策表预处理方法,在对决策表进行预处理后,以核为基础,用改进的加权属性重要度方法选择非核属性,增加反向删除操作。该算法能够充分反映专家经验知识,保证得到一个Pawlak约简,大幅度提高案例的检索效率。运用Matlab编程实现了该算法,通过实例对算法进行分析、对比,证明了其正确性和有效性。     

基于不完备区间值信息系统的决策粗糙集

在不完备区间值信息系统中,提出一种基于极大相容类的决策粗糙集模型。首先,针对不完备区间值信息系统中属性相似度存在的缺陷,对属性相似度进行改进。其次,在不完备区间值信息系统中,由于容差关系下建立粗糙集模型存在冗余度高、分类精度低的问题,采用极大相容类代替等价类,结合贝叶斯最小风险决策原则,建立决策粗糙集模型。经证明,基于极大相容类建立粗糙集模型可有效提高分类精度。最后,基于正域分布不变的原则提出基于区分矩阵的属性约简算法并将该算法应用于实例。     

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。     

基于适应性修改的CBR建库中的数据挖掘

研究了从大量的原始数据中挖掘典型和关键事例以进行CBR事例库建造的问题,指出在不同的数据库结构中,其算法不同,没有一个通用的算法能最好地满足所有的领域。并引用适应性修改的概念提供了在CBR中的关键事例的算法。     

基于实例推理的电机模具设计

结合某企业电动机典型零件的模具设计,将实例设计的设计思想用于电机模具设计,同时通过对基于实例推理的分析,成功实现了基于相似实例的模具CAD系统,经实际应用,效果显著。     

一种基于粗糙集的信息系统决策规则提取方法

以粗糙集理论为基础,引入相似性的概念,并提出其衡量方法,改进了粗糙集理论中不可辨关系的确定条件,给出了基于新的相似关系的上下近似空间定义,并举例说明了基于粗糙集的相似性规则提取方法。