案例推理中属性约简及其性能评价

在案例推理技术中,属性集合表征了对系统有影响的各种因子的集合,属性的选择和约简成为决定系统性能的关键因素。该文在分析属性约简技术的基础上,研究了基于熵的两种属性选择策略,即信息增益法和增益比率法,用层次化k-fo ld交叉验证和k-近邻(k-NN)相结合的技术,设计了5种方案,分别从不同角度来考察两种属性选择策略对案例分类性能的影响。实验结果表明,基于熵的属性选择策略能找到一个充分分离案例类别的属性子集,改善属性的表示空间。     

基于案例推理的优化型智能决策技术的研究

文章将计算智能、启发式搜索技术和案例推理技术应用到决策技术的研究中,采用多策略相似性检索策略,优化案例属性的选择,优化目标问题的解决方案,提出了一种优化型案例决策技术框架.利用案例推理技术的学习优势,结合遗传算法与禁忌算法高效的搜索机制,可望部分解决现存决策支持系统知识获取困难和检索效率低下的问题,提高其解决半结构化和非结构化问题的能力.     

数据流管理与挖掘研究

20世纪末,为适应网络监控、商业交易管理和分析等应用的要求,数据流技术应运而生;该文回顾了近年来国内外在该领域的研究进展,总结了数据流的特点、模型及其算法,对数据流管理和挖掘的关键技术进行了分析,并进一步提出了数据流技术研究的方向。     

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.