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。     

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。     

聚类分析方法在基于案例推理系统中的应用

在基于案例推理的系统中,案例检索是一个关键的问题,案例检索的速度不仅与案例检索算法有密切关系,而且同案例库所使用的索引方法也有着紧密联系。准确、快速地获得案例的解决方案是评价基于案例推理系统的一个重要方面。当案例库中的案例数量较多时,案例的检索速度问题更为突出,采用多级索引的技术可以有效提高案例检索的速度。文中分析了如何采用聚类分析的方法来为案例库建立多级索引。     

聚类分析方法在基于案例推理系统中的应用

在基于案例推理的系统中,案例检索是一个关键的问题,案例检索的速度不仅与案例检索算法有密切关系,而且同案例库所使用的索引方法也有着紧密联系.准确、快速地获得案例的解决方案是评价基于案例推理系统的一个重要方面.当案例库中的案例数量较多时,案例的检索速度问题更为突出,采用多级索引的技术可以有效提高案例检索的速度.文中分析了如何采用聚类分析的方法来为案例库建立多级索引.     

一种k-means聚类的案例检索算法

针对CBR系统中案例检索算法存在的问题,根据k-means算法思想,将案例库进行聚类,在聚类基础上设计了一个案例检索算法。分析了样本案例的选取规则,重点论述了案例检索算法。根据实验结果表明,该方法能够有效地提高案例检索结果的召回率及案例检索效率。     

.基于遗传算法的全局优化检索策略研究*

案例检索是基于案例推理(CBR)系统中的关键技术,也是实现智能挖掘系统的关键环节。为了能够进一步提高案例检索效率与准确性,传统研究多是从案例属性和案例库的约减两方面入手,但是没有考虑案例属性权重。提出了一种基于遗传算法的全局优化案例检索模型,该模型利用遗传算法在搜索优化上的优势,对案例库、 属性权重、K-NN中的K值进行全局同步优化。最后,通过实验验证了该模型在检索效率与准确性上优于传统模型。     

一种基于滑动窗口的案例检索算法

在基于K-means的案例检索算法中,目标案例初次映射的失败会导致案例检索成功率降低。针对该问题,提出一种基于滑动窗口的案例检索算法。分析滑动窗口维护策略,利用滑动窗口收集案例库中权重较高且最近常使用的案例,增加案例采样数量。实验结果表明,该算法能提高检索成功率,检索时间较短且案例映射次数较少。     

一种改进的KNN案例推理检索算法

案例推理作为人工智能领域中通过已知知识解决问题的方法,其核心之一是检索算法。为了改善案例推理检索算法的预测结果质量,提出一种改进的KNN案例推理检索算法。首先,利用遗传模拟退火-模糊C均值聚类算法对案例库聚类,形成多个类簇;其次,通过改进的粒子群优化混合算法优化各类簇近邻K值;然后提出最优原则检索策略,确定检索子案例库及近邻K值;最后使用Mackey-Glass混沌时间序列数据进行仿真预测。实验结果表明,相较于传统KNN案例推理检索算法,改进的KNN案例推理检索算法预测结果的精度显著提高。     

基于本体的应急案例库系统的构建

使用网络本体语言OWL(Web Ontology Language)描述本体。通过本体建模工具(Protégé)对应急案例的本体表示进行定义,实现应急案例库的构建。应急案例库的构建有利于突出多个应急案例间的联系。实验证明,开发的应急案例库系统在案例检索中具有高效性。运用相似度算法来排序应急案例能够满足应急案例的查全率要求,为应急指挥者快速地做出决策提供方便。     

粒子群与细菌觅食相结合的案例聚类算法

案例聚类是按照案例库中案例的相似度进行归类,目的是减少案例推理系统搜索相似案例的时间、提高案例推理系统的性能和降低案例库维护的复杂度。该问题的难度在于案例库的案例规模比较大和不同的聚类算法的选择对于聚类结果的影响。本文在粒子群算法与细菌觅食算法基础上,将两者结合起来,综合两个算法的优点,并将其应用在k-prototypes方法上对案例库中案例进行聚类。与流行的聚类算法进行比较,实验结果显示本文的算法具有更高的效率并且性能相对而言更加优秀。     

范例推理中的知识发现技术

范例推理中有许多相关的知识 ,相应地有知识获取过程 ,其中也存在一定程度的知识获取瓶颈问题 .本文着重探讨在范例推理系统中引入一系列可以使用的知识发现技术 ,以期提高范例推理系统的知识获取的自动化程度 ;本文针对提出的两类算法 ,进行了实验与讨论     

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。     

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。     

Mining competent case bases for case-based reasoning

Case-based reasoning relies heavily on the availability of a highly competent case base to make high-quality decisions. However, good case bases are difficult to come by. In this paper, we present a novel algorithm for automatically mining a high-quality case base from a raw case set that can preserve and sometimes even improve the competence of case-based reasoning. In this paper, we analyze two major problems in previous case-mining algorithms. The first problem is caused by noisy cases such that the nearest neighbor cases of a problem may not provide correct solutions. The second problem is caused by uneven case distribution, such that similar problems may have dissimilar solutions. To solve these problems, we develop a theoretical framework for the error bound in case-based reasoning, and propose a novel case-base mining algorithm guided by the theoretical results that returns a high-quality case base from raw data efficiently. We support our theory and algorithm with extensive empirical evaluation using different benchmark data sets.     

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。     

改进数据挖掘算法在入侵检测系统中的应用

针对已有检测机制存在的对于未知攻击行为无能为力、漏报率较高、检测效率低以及缺少规则库自动扩充机制等问题,结合数据挖掘技术的相关知识,设计了基于数据挖掘的改进网络入侵检测系统模型。模型中选取聚类分析K-means算法和关联规则挖掘Apriori算法,并对其进行改进。用改进的K-means算法实现正常行为类及数据分离模块,用改进Apriori算法实现规则库的自动扩充功能,并通过实验验证了两个算法的功能。     

基于Oracle ODM的数据挖掘研究

通过对当前企业数据挖掘应用需求和企业软硬件环境的考察，指出采用Oracle ODM构建紧耦合型数据挖掘系统能够节约成本和提高软件性能，适应企业决策需求。通过一个基于自适应贝叶斯网络实现挖掘应用的实例．给出了采用Oracle ODM进行数据挖掘的基本方法，说明了Oracle ODM有利于快速、高效开发企业数据挖掘系统。     

基于Android终端与数据挖掘的FMIPv6切换算法

当前基于数据挖掘的MIPv6切换算法通过对移动轨迹的关联性挖掘进行有效的移动预测从而实现平滑切换。考虑到移动终端有限的计算能力和存储容量决定了传统的数据挖掘算法并不适用的情况,提出一种低消耗的基于数据挖掘的FMIPv6切换算法(LCTWP-FMIPv6),通过减少对移动轨迹数据集的扫描范围从而减小了数据挖掘过程的计算量与存储空间占用,同时将LCTWP-FMIPv6切换算法android移动终端上进行实现。对比实验结果表明,LCTWP-FMIPv6切换算法在保证移动切换过程平滑与高效的同时在数据挖掘过程中的耗时也比传统数据挖掘算法有明显的减少。     

A personalized counseling system using case-based reasoning with neural symbolic feature weighting (CANSY)

In this article, we introduce a personalized counseling system based on context mining. As a technique for context mining, we have developed an algorithm called CANSY. It adopts trained neural networks for feature weighting and a value difference metric in order to measure distances between all possible values of symbolic features. CANSY plays a core role in classifying and presenting most similar cases from a case base. Experimental results show that CANSY along with a rule base can provide personalized information with a relatively high level of accuracy, and it is capable of recommending appropriate products or services. An erratum to this article can be found at     

数据挖掘中孤立点的分析研究在实践中应用

介绍了孤立点的定义和三种挖掘算法,即基于统计的方法、基于距离的方法和基于偏离的方法，在这个基础上,尝试了利用孤立点检测方法对教务管理系统中积累的数据进行分析,并验证了基于距离和的孤立点检测算法的有效性，通过实验,结果分析表明：基于距离和的算法降低了检测过程对用户设置阈值的要求,在时间复杂度上,稍微优于循环嵌套算法。