基于案例推理中案例表示的研究

基于案例推理利用过去的案例或经验进行推理来求解新问题,是一种重要的机器学习方法.在CBR(Case-based Reason ing)中知识表示以案例表示为基础,案例是一段带有上下文信息的知识,该知识表达了推理机在达到其目标的过程中能起关键作用的经验.案例表示可能是半结构化或非结构化的,甚至用自然语言来表达的,涉及系统的运行效率.分析了目前的多种表示方法,研究了不同环境下的案例表示,以及选用合适的方法来构筑的案例库.     

案例推理技术用于故障诊断时的相似算法

基于案例推理技术CBR(case based techno logy)应用于故障诊断领域时,如何快速检索到最相似的故障案例是故障诊断成功的关键,相似算法主要包括相似度的定义、计算以及案例检索技术。传统相似算法存在定量计算相似度困难、计算精度低、大量依靠专家经验、案例匹配效率不高等问题。给出了不同情况下相似度的计算公式、案例的表示与存储方法和案例的检索方法,可准确、快速地匹配故障案例,解决了CBR技术应用于实际故障诊断系统中的难题。     

一种基于案例推理的装备故障诊断技术

针对装备故障诊断中故障现象难以用结构数据表达,提炼规则比较困难的问题,建立一种基于CBR技术的故障诊断软件系统.系统将维修专家的知识以案例问题和案例解决方法的形式保存,通过检索案例库来进行故障诊断并将诊断记录作为新的知识.介绍了系统的结构,重点研究了案例的表示与相似度的计算,说明了案例的检索与维护.结果表明,基于该思想构建的装备故障诊断软件系统,可以将已有诊断案例作为知识来源提高系统的诊断能力.     

基于着色Petri 网(CPN)在案例推理(CBR)中的应用研究

案例推理（CBR）是人工智能的一种新求解方法,其中案例检索（case retrieval）是案例推理过程的一个重要环节。在CBR基础上引入了Petri网理论,建立了眼科疾病诊治基于案例推理的着色Petri网（CPN）模型,研究探讨了该模型在CBR系统的案例检索中的实际应用。     

灰色关联度在故障诊断系统中的应用

针对传统专家系统解决机械故障诊断问题时存在的不足,将基于案例推理(CBR)方法引入到故障诊断中,提出了一种CBR故障诊断模型.在案例检索中,采用了一种改进的灰色关联模型来计算案例之间的相似度.该模型适用于对故障症状和故障原因之间关系不十分明确的场合,可以比较准确地检索到相似案例,提高案例检索速度.最后应用文中提出的方法建立了一个轴承故障诊断专家系统,此系统对生产和实践具有重要的指导价值.     

基于本体的案例表示和CBR系统结构研究

本体作为一种新的知识组织体系,具有良好的概念层次结构和对逻辑推理的支持.在分析了本体的表示方式和推理基础上,将本体理论应用于CBR中,提出了基于本体的案例表示和基于本体推理的CBR系统,以提高CBR系统的性能.     

案例推理和规则推理结合的紧急预案信息系统

将基于案例推理（CBR）与基于规则推理（RBR）两种人工智能技术相结合，引入到紧急预案信息系统的系统设计中，设计了系统的结构和工作流程并对系统实现的主要技术，预案和知识的表示，案例的存储结构，案例检索，案例适配与系统学习进行了探讨和构想。     

基于本体的通信设备维修案例知识表示与管理

针对通信设备故障维修领域知识表示规范性差、结构性不强、案例利用率低等问题,结合设备维修案例知识多样、异构、经验性强等特点,提出了一种基于本体的三层设备故障维修案例知识管理框架。构建了由领域本体、案例表示本体、特征属性、故障逻辑和真实案例五要素组成的通信设备维修案例本体,并基于关系数据库设计了相应的OWL(ontology web language)本体存储模型及转换算法,实现了维修案例的结构化表示和精细化管理,提高了案例检索的准确率。最后以通信电源交流接触器故障案例验证了所提方法的可行性和有效性。     

基于案例推理的旋转机械故障诊断系统研究

针对大型旋转机械结构复杂,故障现象难以用结构化知识表示,故障诊断规则难以提炼的特点,将基于案例推理(CBR)方法应用于旋转机械故障诊断。从旋转机械故障诊断的需求出发,在分析旋转机械故障诊断知识特点的基础上,对故障诊断系统的总体结构、故障案例库的构建、案例相似度匹配、案例调整和学习等CBR方法的关键技术进行了研究。重点设计了故障案例表示方法,采用基于三标度的层次分析法(AHP)确定案例征兆权值。提出了改进的最近邻法计算案例相似度,可以从征兆名称、征兆值、权值三方面对案例进行精确匹配。提出了基于案例审核的学习机制,可以充分发挥不同人员的作用。开发了基于CBR的旋转机械故障诊断系统原型,并给出了应用实例。     

基于CBR的反导作战方案生成技术

为提高反导作战的实时性、有效性,提出了一种基于案例推理的思想来解决作战预案的匹配难题。首先分析了作战预案在作战管理系统中的地位及应用;然后结合案例推理CBR(Case Based Reasoning，CBR)特点,对反导作战预案的表示、索引、检索匹配、调整学习4大关键问题进行深入了分析;最后通过一个预案匹配使用实例表明:基于CBR的反导作战方案生成技术在反导作战管理系统中的应用有效性,为实时反导作战方案的确定提供了决策支持和理论依据。     

领域CBR本体及其在范例表示和范例修改中应用研究

范例表示和范例修改是基于实例推理领域中的两个研究热点.针对此,提出一种基于领域CBR本体的范例表示和范例修改方法,该方法引入本体表示范例,添加范例特征意图项指导范例修正,提高了范例库的重用性和范例修正的成功率.首先,以经典本体概念和CBR理论为基础,提炼出领域CBR本体的定义和主要组成部分.其次,与传统范例表示方法对比,给出了领域CBR本体范例表示的优势,并对领域CBR本体中的关键类——范例特征意图类及其作用进行了重点介绍.而后,对领域CBR本体的构建过程和基于领域CBR本体的范例修改过程进行了详细阐述.最后,应用OWL语言对斗轮CBR本体进行了描述,并通过斗轮CBR本体在机械设计重用中的应用分析验证了此方法的有效性.     

基于实例的故障诊断方法研究与应用

实例推理（Case Based Reasoning,CBR)适于表达复杂的综合性知识，其思想和工作机制对故障诊断有重要意义，实例的表示形式和快速，有效的检索机制直接影响CBR系统的效率，该文提出基于框架的实例表示形式，利用框架将相关故障关联起来，在此基础上给出一种实例库的组织方法，讨论实例的检索和更新方法，并给出应用实例。     

基于案例推理的知识管理咨询系统

在分析基于案例推理技术特点和知识管理咨询系统含义的基础上,提出了基于案例推理的知识管理咨询系统架构,并分析了架构的组成,给出了基于案例推理的知识管理咨询系统的定义。研究了实现系统所采用的案例知识表示、检索、存储和案例学习等关键技术。依据提出的架构及其关键技术,企业易于实现其知识管理咨询系统,从而有效地支持知识重用和知识创新,提高知识管理的有效性,以及知识资源的共享和充分运用。     

范例推理中范例自动获取的数据挖掘技术

范例推理作为基于规则推理技术的一个重要补充，已受到人工智能研究 人员的普遍关注，在范例推理中，也有许多相应的知识，它主要包括：范例库、修正知识库，索引模式，相似性判断标准等，这些知识的获取也存在一定的瓶颈问题，通过在范例推理中引入数据挖掘技术，可望部分解决其知识获取的自动化问题，提高智能系统的整体性能，本文着重讨论了在范例推理中使用数据挖掘技术的必要性，提出了二上自动获取范例库的思想与算法，并应用于一个实际的系统之中，实际结果表明，这种思路大大提高了智能系统的开发周期与系统的运行效率。     

形式概念分析在基于事例推理中的应用

目的形式概念分析(Formal Concept Analysis,简称FCA)在基于事例推理(Case-basedReasoning,简称CBR)中的应用为完善领域知识的分类提供了一种有效的方法;FCA提供了一种事例的组织方式,使对事例库的直接访问变得容易。方法把原来的事例表示与组织方式转换成FCA所要求的形式。结果FCA可以提取嵌入在事例库中的隐含知识,这些以描述事例属性间的依赖规则形式的隐含知识可以用来帮助完成CBR的查询过程。结论FCA在CBR中的应用提高了事例检索的速度和结果的准确性。     

基于广义粗集和知识共享的供应链需求预测R5模型

在知识共享前提下,提出了供应链需求预测的案例推理R5模型.此模型以粗集方法进行知识发现,建造和划分案例库,以案例推理管理和应用知识,将广义粗集的数据挖掘功能引入案例推理模式当中,用于指导供应链企业从过去的合作经验中有效学习其合作伙伴的“预测知识”,进而利用新的需求信息进行当前产品的需求预测模型选择.仿真算例表明,将变精度粗集和广义相似关系这两种粗集的泛化形式引入案例推理机制,可以提高推理效率和容错性;利用数据挖掘技术,从相关产品的环境信息及供应链成员的特征参数中发现需求预报的领域知识与深层知识,可以降低知识获取成本及模型选择的主观性.     

产品设计实例类知识质量动态定量评价模型与方法

产品设计实例类知识质量的好坏直接影响产品设计过程中知识重用和知识共享的效果.在给出由泛性指标、特性指标组成的产品设计实例类知识评价指标体系的基础上,建立产品设计实例类知识质量动态评价模型.探究评价模型中涉及的相关技术和构建方法,分析了动态模型和评价系统的主客观因素,开发了产品设计实例类知识评价工具.运行结果表明,评价工具能客观、有效地反映基于实例推理和知识管理中涉及的实例知识的质量状况,为实例知识共享和重用提供有效的服务和指导.     

CBR系统优化策略及在注塑模具设计中的应用

CBR(Case-based reasoning)技术是弱理论强实践领域实现智能化的有效手段,但是,随着工业的飞速发展,工程领域的特征信息爆炸式增长使得当前CBR系统的关键构建环节例如事例的表达、事例库的构建等呈现出诸多局限。为了适应新的复杂工程领域发展需要,对若干关键环节进行了优化研究:在CBR系统事例的表达方面,利用GHSOM(Growing Hierarchical Self-Organizing Map)算法和粗糙集算法集成策略对事例庞大特征信息进行精简,为事例知识的准确、高效表达、存储和检索打下基础;利用GHSOM算法优化构建事例库,通过空间聚类建构多层次多粒度知识库体系,同时,当执行事例检索时,由GHSOM算法作为知识导引策略,将新任务导入相应子事例库,通过数值计算获取最佳事例。最后,以注塑模具设计为应用领域验证了本方案的效果。