案例检索及权重优化方法研究及应用

案例检索是基于案例推理(CBR)系统的中心环节,检索速度和精度关系着整个系统的质量.文章系统地提出了一套案例检索及其权重优化方法(FRAWO),重点研究了用基于梯形的模糊集和改进的欧氏距离检索算法分别解决案例中模糊概念属性、区间特征属性的相似度计算问题以及采用PULL&PUSH调整策略进行案例权重的调整.在实验系统上基于案例库对FRAWO法的有效性、准确度、效率等进行了实验.实验结果表明,FRAWO法适用于CBR系统,检索速度较快、准确性高.     

基于案例推理的企业财务危机智能预警支持系统研究

案例推理定一ES的重点推理技术引入智能化预警支持系统中,不仅对企业财务危机进行定量预警,而且根据专家知识经验对企业内外部环境进行定性预警,将两者结合起来达到综合预警的目的.此外,在CBR-IEWSS本文将遗传算法应用于案例推理中,提高了案例检索的速度和质量,最后给出了该系统的框架.     

层次相似算法模型及在管理案例检索的应用

案例推理（CBR）已经广泛地应用在非结构化和半结构化的决策问题中，CBR系统成功的关键因素之一在于它检索出最相似案例能力，即相似算法的精确性和有效性，然而现有的各种相似算法常常对案例本身有较强的假定限制，这些假定限制的存在在实际的应用领域中并没有得到证实，文章以管理案例推理系统研究为背景，提出层次相似算法模型用以解决属性间存在复杂相关性的案例检索算法，并将该理论应用于管理案例检索的实践中。     

基于人工神经网络的案例检索与案例维护

传统的案例推理系统中,案例检索和案例维护作为两个相互独立的任务分别考虑。而对于案例维护以案例库为纽带,直接为案例检索服务的内在联系没有充分研究。在分别论述案例检索、案例维护,以及人工神经网络在案例推理系统中的应用研究现状基础上,进一步探讨了采用人工神经网络方法实现案例检索和案例维护的整体设计方案,并阐述了其中技术细节。最后,以某产品设计应用为背景,设计并实现了一个反向传播神经网络作为案例检索和案例维护方法,验证了结论的正确性。     

一种基于划分聚类和模糊神经网络的机器学习方法

将基于划分的模糊聚类算法和一般模糊极小极大神经网络分类算法相结合，提出了一种新的机器学习方法，实现了基于类比的案例推理学习模型。具体实现思想是，首先利用基于确定性退火技术的划分聚类算法对已知案例进行聚类标识，由所得结果建立一般模糊极小极大神经网络分类模型，然后用该模型实现新目标问题的案例相似性检索，最后针对目标问题结果案例完成案例学习。通过实例表明，该算法具有较好性能，并在基于案例推理的固体火箭发动机总体设计中成功应用，得到了论域覆盖面大的设计结果集。     

基于知识元的应急案例检索方法

应急案例蕴含大量有价值的应急管理知识,针对应急案例特点,基于共性知识元模型,对应急案例内容和结构进行了重新组织和表示,在此基础上结合情景及突发事件演化的相关理论,对应急案例检索方法进行了研究,通过多层案例检索算法,提高应急案例检索准确率。     

基于妥协案例推理的作战仿真实验范围迁移

作战仿真实验范围通常依靠专家确定，耗费代价较大。为将作战仿真实验的历史数据中关于实验范围选择的知识迁移至新的作战仿真实验案例，提出一种基于妥协策略的案例推理方法。根据案例的数据特点，提出作战仿真实验案例的表示方法；根据案例的结构和属性特点，提出主客观综合赋权的混合相似度计算方法；针对案例检索时出现检索失败和检索结果包含信息量较少的问题，提出基于妥协策略的案例检索方法；根据检索结果的特点，提出实验范围的整合迁移方法。基于历史数据进行了实验分析，证明了方法的有效性。     

基于案例推理的冷轧负荷分配模型研究

针对冷轧负荷分配的特点,提出了一种基于案例推理的冷轧负荷建模方法,着重研究了基于粗糙集和神经网络的快速案例检索以及利用数据库中的知识发现技术进行案例修改,经现场数据对比实验表明所建模型更符合实际轧制情况。     

基于整体优势度的应急救援案例推理决策

对突发公共事件的应急救援决策进行研究,提出基于案例推理的应急救援决策方法.通过案例的四元组表征,分析基于案例推理的应急救援决策机理;针对传统案例检索使用对称距离计算相似度在应急救援决策应用中的不足,利用整体优势度对源案例与目标案例间的矢量距离进行识别,从正向匹配和负向匹配的角度改进检索策略,提高案例匹配的有效性;同时,结合整体优势度对决策方案进行调整和学习.最后,以煤矿事故应急救援实例说明了该方法能够在相似案例中筛除负向匹配源案例,优化源案例对目标案例的决策支持.     

基于案例推理的纺纱质量预测模型研究

针对纺织企业的纱线质量控制问题,提出了基于案例推理(CBR)的纱线质量预测模型.利用纺织企业纱线生产中积累的历史数据构建案例库,采用聚类算法为其建立索引结构.在此基础上,使用最近邻法分两步检索出相似案例,并对相似案例进行修改以获得预测值,同时采取主动学习策略保存当前案例,更新案例库.最后使用纺纱生产的实际数据进行仿真,得到具有较高精度的预测结果,验证了模型的有效性.     

基于模型和案例推理的混合故障诊断方法

基于模型的诊断方法描述的是系统内部结构和行为的深知识,能够轻松获取诊断知识,但计算量较大;而基于案例推理的诊断方法依靠的是历史经验,诊断效率比较高,但知识获取是其瓶颈。针对两种方法的优缺点,提出了利用基于模型的方法来实现案例知识的获取,然后通过基于案例推理的方式完成故障诊断过程的混合故障诊断方法。该方法不仅汲取了基于模型方法准确度高的优点,避免了知识获取难的问题,同时继承了基于案例推理方法的快速性,提高了诊断效率。     

基于Lanchester方程的作战混合动态系统最优控制

针对作战过程的混合动态特性, 利用Lanchester方程建立了一类作战混合动态系统模型, 在合理战术假设的基础上, 讨论了一类变招顺序固定的作战决策方最优控制问题. 利用动态规划原理给出了解决问题的基本框架与途径. 最后, 通过应用算例验证了所建立模型和所设计最优控制方案的可行性. 研究结果对作战指挥决策和对策的研究具有理论指导意义.     

基于多属性分类的建筑物损伤案例推理方法研究

建筑物损伤信息大多以非结构化离散的方式加以储存,因此建立建筑物损伤案例推理流程已成为提高建筑运维管理水平的重要研究方向.本文根据损伤属性分类的结果设计了符合国际分类标准的结构化的损伤信息采集样例,并完成了损伤领域的本体建模.本文设计了基于案例距离推理的损伤信息多属性分组案例库构建方法,通过计算建筑物损伤等级案例与分组中心点的距离构建案例距离加权优化求解模型,简化损伤决策中多属性比较的复杂过程.本文建立了基于分组式损伤案例库的损伤案例推理流程,验证了针对案例信息的分组预处理后进行不同损伤案例相似度计算的方法,实现损伤信息的有效利用.结果表明所提方法可以较好地解决建筑物损伤多属性信息的分类问题.     

面向应用领域的知识系统建模及实现

针对知识系统建模过程中不同类型知识的组织、表示、控制和实现等问题,将用户需求作为重要的切入点,通过对用户的需求分析和分解将知识系统数据结构划分为领域概念知识(概念本体)、领域系统知识(方法本体)、需求分解知识(需求本体)、知识系统控制知识和解释知识5大部分,建立了各部分的数据结构,明确了相互之间的关系。提出了基于层次案例规划(hierarchicalcase basedplanning,HCBP)的需求本体建立检索及面向目标的黑板控制结构和改进算法。实例测试表明,该方法不仅有利于不同类型知识块的重用,而且提高了系统的执行效率,大大缩短了知识系统的开发周期。     

结合局部理想点搜索的多目标粒子群算法

提出了一种结合约束二次逼近优化(bound optimization by quadratic approximation,BOBYQA)搜索算法的理想点法对非支配解进行局部优化的混合多目标粒子群方法(local search with multiobjective particle swarm optimization, LSMOPSO),以提高多目标粒子群算法的收敛性能和非支配解集的精度与多样性。LSMOPSO算法使用拥挤距离选择领导粒子组成领导粒子集,并对其进行理想点局部搜索;分析比较了全局理想点和局部理想点对算法性能的影响,提出基于局部理想点的局部搜索策略;在粒子的设计空间的多个维度上引入均匀变异操作,降低算法陷入局部最优的可能。基本测试函数的求解结果表明,算法的收敛速度很快,而且搜索到的非支配解集的精度高、多样性好。     

一种基于混合系统滤波器的NCS系统故障诊断方法

针对一类具有随机传输时滞的网络化控制系统,在考虑时滞无界的情况下(最坏网络传输),提出了一种基于故障检测滤波器的故障诊断方法。首先,为了处理系统的内采样特性,根据混合系统理论设计了一种基于观测器的混合系统故障检测滤波器(FDF);利用多目标优化技术,将故障检测滤波器的设计问题转化为一类优化问题,并借助线性矩阵不等式方法给出了该优化问题的时滞独立解。最后通过仿真验证了该方法的有效性。     

基于聚簇隐马尔可夫模型的文本信息抽取

应用隐马尔可夫模型是文本信息抽取的一种重要方法。对于网上不同来源的文本,由于其格式很不相同,进行混合训练,一般难以得到较优化的模型。将聚簇应用到文本信息抽取中,首先通过一种改进的k-平均方法对训练文本的Markov链模型进行聚簇,然后训练各簇的隐马尔可夫模型,提出了一种基于聚簇隐马尔可夫模型的文本信息抽取算法(C-HMM)。对700篇网上不同来源的文本进行信息抽取仿真实验,结果表明,新的算法能有效地提高抽取性能。     

用混合小波网络和遗传算法对期权定价的研究

由于波动率微笑的存在,不同种类的期权的隐含波动率不同,如何衡量不同种类期权的隐含波动率的最优权重一直是期权定价领域中的重要问题.提出了新的基于Black-Scholes模型的混合小波神经网络,建立了混合小波神经网络和遗传算法相结合的模型,将期权按钱性进行分类,提出了加权的隐含波动率作为神经网络的输入变量,通过遗传算法来求取不同种类期权的隐含波动率的最优权重.在香港衍生品市场的实证中表明,所提出的模型要优于传统的Black-Scholes模型和其它的神经网络模型.     

基于Q学习的城市交通信号灯混杂控制

给出了一种单交叉口混杂交通控制器和仿真结果。首先,采用Q学习和BP神经元网络根据环境的变化决定最优的相位切换时间,然后增加一个模糊控制器决定最需要切换的相位,即决定相位次序。该方法在PARAMICS交通仿真软件中进行仿真,和定控制以及定相序控制相比,该方法具有明显的优势。