范例推理技术在银行客户信用评估中的应用

范例推理技术是人工智能领域中一种基于知识的问题求解和学习方法。为了有效评估银行客户信用等级并提高银行信贷业务效率，文中提出了范例推理技术(CBR)在银行客户信用评估中的应用，并给出了基于范例推理的银行客户信用评估系统的原型，介绍了该系统中的关键技术：范例表示、相似性计算和范例检索，研究了归纳学习、特征子集选择等机器学习方法在范例检索中的应用。     

用遗传算法挖掘范例库中的特征项权重的方法

范例推理的关键步骤在于相似范例的检索，而范例库中的特征项权重起着重要的作用。文章着重讨论了应用于范例库上获取特征项权重的数据挖掘算法，并提出用遗传算法发现范例库上特征项权重的过程与算法，然后进行了实验与讨论。     

范例推理技术在银行客户信用评估中的应用

范例推理技术是人工智能领域中一种基于知识的问题求解和学习方法.为了有效评估银行客户信用等级并提高银行信贷业务效率,文中提出了范例推理技术(CBR)在银行客户信用评估中的应用,并给出了基于范例推理的银行客户信用评估系统的原型,介绍了该系统中的关键技术:范例表示、相似性计算和范例检索,研究了归纳学习、特征子集选择等机器学习方法在范例检索中的应用.     

Naive—Bayes模型及其在范例推理中的应用

简单贝叶斯模型能够很好地综合先验信息和样本信息。探讨了利用简单贝叶斯模型进行范例推理的可行性,并提出了对范例进行分类和学习的算法。实验结果表明,系统的分类准确度及其学习速度都较高,该方法有效可行。     

基于禁忌遗传算法的权重发现技术

相似范例的检索是范例推理的关键步骤之一，为了准确表达范例之间的本质特征，采用带有权重的特征项方法对范例检索起到重要的作用。在讨论了带有权重的最近邻算法的基础上，提出了一种禁忌遗传算法来获取范例库上的特征项权重，通过利用禁忌算法的自适应性和具有记忆功能的优点来改善遗传算法的全局搜索能力和提高其收敛速度。实验结果表明将这种方法应用于范例推理的案例检索过程中具有可行性，并且可以得到较高的分类精度和搜索效率。     

Naive-Bayes模型及其在范例推理中的应用

简单贝叶斯模型能够很好地综合先验信息和样本信息.探讨了利用简单贝叶斯模型进行范例推理的可行性,并提出了对范例进行分类和学习的算法.实验结果表明,系统的分类准确度及其学习速度都较高,该方法有效可行.     

范例推理系统中的范例库维护

在范例推理系统中，系统的学习会使范例库逐渐增大，一般来说范例库越大，知识越丰富，但也不能无限增加，否则会大大增加相似范例检索的时间，降低系统的总体性能。因此范例推理学习系统必须有维护功能，主要目的是限制范例库的无限膨胀，且能保持系统的性能。本文在给出一个改进的删除策略维护方案的同时，并从另一角度出发，提出一个基于范例增加的维护策略，以保证系统的性能不受影响，从而达到小范例库强功能的目的。     

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。     

基于禁忌遗传算法的权重发现技术

相似范例的检索是范例推理的关键步骤之一,为了准确表达范例之间的本质特征,采用带有权重的特征项方法对范例检索起到重要的作用。在讨论了带有权重的最近邻算法的基础上,提出了一种禁忌遗传算法来获取范例库上的特征项权重,通过利用禁忌算法的自适应性和具有记忆功能的优点来改善遗传算法的全局搜索能力和提高其收敛速度。实验结果表明将这种方法应用于范例推理的案例检索过程中具有可行性,并且可以得到较高的分类精度和搜索效率。     

一种支持时间序列数据的CBR检索算法

探讨了如何为CBR（基于范例的推理）增加对一种特殊的范例类型——时间序列数据的支持．分析了基于谱分析的时间序列相似度比较算法不适用于CBR检索的缺点，并在此基础上设计了一种综合性能很好的CBR检索算法．思路是把时间序列相似度比较转化成一个卷积问题，并用DFT来简化这个卷积的计算．通过对这种CBR检索算法进行了深入的理论分析和认真的实验，结果证明，提出的算法是一个高效的算法．在这个检索算法的基础上，CBR就能够席用到时序数据的分析推理中，具有广阔的应用前景．     

Case-based reasoning classifier based on learning pseudo metric retrieval

In case-based reasoning (CBR) classification systems, the similarity metrics play a key role and directly affect the system's performance. Based on our previous work on the learning pseudo metrics (LPM), we propose a case-based reasoning method for pattern classification, where the widely used Euclidean distance is replaced by the LPM to measure the closeness between the target case and each source case. The same type of case as the target case can be retrieved and the category of the target case can be defined by using the majority of reuse principle. Experimental results over some benchmark datasets and a fault diagnosis of the Tennessee-Eastman (TE) process demonstrate that the proposed reasoning techniques in this paper can effectively improve the classification accuracy, and the LPM-based retrieval method can substantially improve the quality and learning ability of CBR classifiers.     

Case-based reasoning for classification in the mixed data sets employing the compound distance methods

Development of classification methods using case-based reasoning systems is an active area of research. In this paper, two new case-based reasoning systems with two similarity measures that support mixed categorical and numerical data as well as only categorical data are proposed. The principal difference between these two measures lies in the calculations of distance for categorical data. The first one, named distance in unsupervised learning (DUL), is derived from co-occurrence of values, and the other one, named distance in supervised learning (DSL), is used to calculate the distance between two values of the same feature with respect to every other feature for a given class. However, the distance between numerical data is computed using the Euclidean distance. Furthermore, the importance of numeric features is determined by linear discrimination analysis (LDA) and the weight assignment to categorical features depends on co-occurrence of feature values when calculating the similarity between a new case and the old one. The performance of the proposed case-based reasoning systems has been investigated on the University of California, Irvine (UCI) data sets by 5-fold cross validation. The results indicate that these case-based reasoning systems will produce a proper performance in predictive accuracy and interpretability.     

基于案例推理和粗糙集的商用飞机故障诊断研究

本文将采用基于案例推理和粗糙集的方法进行国产商用飞机故障诊断的研究。其中,用MongoDB存储飞机故障案例库,通过构建中文航空词本进行同义词替换减少案例描述的中文表述差异,使用粗糙集表示故障案例,粗糙集确定属性权重结合海明距离实现案例检索,并通过实例验证该方法的可行性和有效性,最后是案例库学习提高基于案例推理系统的可靠性。     

一种基于案例的医疗诊断支持系统

案例推理是人工智能的一种新求解方法。该文针对目前案例推理的不足,用新的观点审视了案例推理过程的一些重要步骤,包括复杂决策环境下案例的表示、案例的检索、案例的调整以及案例推理与其他推理方法的复合等问题,为案例推理的实用化提供了理论依据,并将之用于医疗诊断支持系统的设计。     

基于案例推理的入侵检测关联分析研究

针对基于规则和模型的入侵检测专家系统中难以建立和表达入侵检测规则的问题,利用基于案例推理(CBR)方法对知识要求的低依赖性,将它引入入侵检测(ID)领域,提出了基于案例推理的入侵检测关联分析(CBRIDRA)模型的框架,研究了系统各功能模块,并对其中攻击案例定义、攻击案例检索、攻击案例管理、专家知识系统等关键技术的解决思路和实现方法进行了讨论。     

Integrating a semantic-based retrieval agent into case-based reasoning systems: A case study of an online bookstore

Natural language search engines should be developed to provide a friendly environment for business-to-consumer e-commerce that reduce the fatigue customers experience and help them decide what to buy. To support product information retrieval and reuse, this paper presents a novel framework for a case-based reasoning system that includes a collaborative filtering mechanism and a semantic-based case retrieval agent. Furthermore, the case retrieval agent integrates short-text semantic similarity (STSS) and recognizing textual entailment (RTE). The proposed approach was evaluated using competitive methods in the performance of STSS and RTE, and according to the results, the proposed approach outperforms most previously described approaches. Finally, the effectiveness of the proposed approach was investigated using a case study of an online bookstore, and according to the results of case study, the proposed approach outperforms a compared system using string similarity and an existing e-commerce system, Amazon.     

基于禁忌搜索与遗传算法的案例检索技术

案例的检索和提取是案例推理系统的一个关键步骤,案例检索结果的优劣直接影响到案例重用、修改以及整个系统的性能。遗传算法是一种基于进化思想的全局优化方法,但是存在搜索速度慢以及早熟收敛等问题;禁忌搜索是一种局部优化技术,具有搜索速度快等优点。文中将禁忌算法和遗传算法结合在一起提出了一种新的聚类方法,并将该聚类方法引入大型案例推理系统的案例检索过程中。实验结果表明使用这种方法能够达到较理想的搜索效果。     

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.     

粗分析案例检索算法在鱼病诊断中的应用研究

将粗集分析法引入鱼病诊断案例推理中,详细介绍了粗集案例索引和案例检索算法,并给出案例检索实例,通过实验分析表明:这是一种简便实用、效率较高的不确定性案例推理方法,值得推广。     

A Survey on Case-Based Planning

Case-based planning is the reuse of past successful plansin order to solve new planning problems.This paper presents a survey of case-based planning, in terms ofits historical roots, underlying foundations, methods andtechniques currently used, limitations, and future trends.Several authors have given overviews on case-based reasoningand specific topics such as case retrieval, case adaptation,and learning. This overview differs in focus.Its aim is to emphasize the case-based approach to planning,its methodological issues, and its relation to classical planningand the other kinds of case-based reasoning.It also provides some reference models.