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CBR的分布式工作流模型与管理方法

为了满足企业信息系统的分布环境下工作流管理系统向智能化管理方向发展的需求,并实现分布式工作流与知识管理、人工智能理论与方法的结合,将一种新的人工智能推理方法--CBR(基于事例推理)引入工作流管理系统.在原有工作的基础上,提出了一种基于CBR的分布式工作流系统框架与管理方法, 重点探讨了CBR的事例检索策略在分布式工作流系统中的应用方法,最后给出了一个分布式工作流管理的实例,实践证明该方法有利于提高分布式工作流的智能性、灵活性和适应能力.     

基于事例推理的短期负荷预测

将人工智能中的事例推理(CBR)技术引入到电力系统短期负荷预测中，针对传统规则专家系统知识获取的“瓶颈”问题，事例推理充分利用另一种知识资源(以往预测成功的例子)来解决新的预测问题．以前的预测行为作为历史事例以一定的结构和方式存储在事例库中，对于新的预测问题，从事例库中找寻相似事例，并利用其结论，确定新问题的解决方法．实际算例表明，对于短期负荷预测问题，基于事例推理的预测系统在预测精度上优于单一的数学模型，具有较强的实用性．     

基于改进的GHSOM聚类算法的图像检索

传统的图像检索需要顺序比较图像库中的图像与请求图像的相似度,检索速度和检索准确度都很低。针对此问题,提出了一种基于改进的增长型分层自组织映射网络(GHSOM)的图像检索方法。先将图像特征库用改进的GHSOM算法进行聚类,在图像检索时先在GHSOM网络模型上找到相似的类,然后在相似的类上继续进行检索,大大提高了检索效率。并且在搜索相似的类时充分利用GHSOM网络的分层结构,更进一步地提高了检索效率。改进的GHSOM网络根据算法的特点构建了赤迟信息量(AIC)准则,用该准则来选择每个独立的SOM网络的生长参数,使得每个网络都能正确地表达映射到它的数据集的结构,提高GHSOM网络的聚类效果,从而提高检索的准确性。实验结果表明,改进的GHSOM算法得到了更好的聚类效果,基于它的图像检索方法提高了将近3倍的图像匹配速度,同时图像检索准确率也得到了一定程度的提高。     

基于事例推理系统中检索策略的分析与研究

讨论了基于事例推理(CBR)在人工智能系统中的作用,分析了常用的CBR检索算法,并着重研究了提高系统检索效率问题.针对CBR系统的关键性问题事例检索,提出了一种分级检索算法与最近相邻算法相结合的检索策略(L&NCBR),分析了在精确匹配与非精确匹配情况下该策略的效率,并给出了基于L&NCBR的智能推理系统运行情况分析.结果表明L&NCBR策略在提高系统检索的稳定性和效率方面是有效的.     

基于事例的推理循环中人工神经网络和遗传算法的4种应用模型

从理论上研究了人工神经网络（ANN）模型和遗传算法（GA）在基于事例的推理（CBR）循环中的应用。针对CBR循环中遇到的共性技术问题，即事例的检索与修改，提出了4种应用模型：基于神经网络自适应共振（ART1）、自组织特征映射（SOFM）模型的事例聚类，基于反向传播神经网络（BPN）模型的事例相似度计算，基于GA的最近邻检索法（K－NN）特征权值优化以及其于GA和BPN的事例自动修改。讨论并建立了各种模型的算法。对提高CBR实际应用时事例的检索效率与质量具有指导作用。     

基于事例推理的质量管理系统的研究与实现

将事例推理技术应用于质量管理过程中,可以高效地为管理人员解决问题提供决策支持.应用知识发现方法,基于事例检索过程,提出全新的质量管理模式.利用相似度和特征索引从事例中找出与当前问题相关的最佳事例,设计了质量问题事例库,并实现了质量管理系统.     

基于模糊描述逻辑的CBR的事例相似性

针对用于基于事例推理(CBR)的描述逻辑不能表示和推理模糊语义知识的局限问题,将模糊描述逻辑F-SHIQ(D)引入CBR中,定义F-SHIQ(D)范式,据此表示包含模糊语义知识的CBR事例,提出同时考虑事例描述概念和隶属度相似性的事例相似性方法,并与现有基于描述逻辑的CBR进行对比。结果表明,在包含模糊语义信息的领域,基于F-SHIQ(D)的CBR能提升事例表示和事例相似性度量的准确性,有助于提高事例检索效率。     

基于事例推理的质量故障处理系统设计

在CBR(Case-Based Reason ing)中高速、有效地完成事例的检索,对问题求解的性能有直接影响,当知识库中事例足够多时,事例匹配可能变得简单,但检索的目标却更难达到。为此,以质量管理系统的设计与开发为背景,提出了一种基于事例推理的质量故障处理方法,给出了基于双库结构的质量故障处理系统的总体结构。该设计采用事例推理方法实现故障处理事例的模糊表示,并利用模糊贴近度完成相似处理事例的检索,所描述的事例表示和检索具有很好的实用价值,可使以往的经验及专家知识得以继承,同时有利于质量故障的准确、快速处理。     

基于事例推理短期负荷预测方法的改进

针对基于事例推理（CBR）短期负荷预测中的事例库组织，提出第一级按不同的时刻和星期类型粗分类、第二级按照模糊聚类方法细分类的二级分类方法，可以很好地实现不同预测环境之间的相似性和相异性；针对事例的检索，提出模糊优先比的定量属性检索方法，按此方法进行检索不但可以提高检索效率，还可以对检索过程进行控制．实际算例表明，以此方法进行负荷预测的周平均相对误差为2．620%，低于一般的CBR方法和单一预测方法．     

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。     

基于描述逻辑的可扩展的案例表示及检索研究

案例推理(CBR)与领域知识的结合是CBR近年来的研究热点之一,不同的知识表示方式对CBR系统性能产生不同的影响。在分析传统知识表示与CBR结合不足的基础上,提出了一种可扩展的基于描述逻辑(DL)的案例表示模型,并给出了相应的案例检索算法。此模型强调在CBR系统中领域知识主要是为案例检索及修正服务,对领域知识的使用程度应根据CBR的实际需求和应用背景来确定,在保持了CBR系统优点的同时,也提供了一种灵活使用领域知识的手段。     

基于知识的模具并行工程系统方法

提出了基于知识的模具计算机辅助并行设计系统方法,并对并行工程系统开发过程、传统过程分析、过程重组、系统功能分析、系统建模和系统框架设计等关键技术进行研究,提出采用模糊设计结构矩阵进行产品开发过程建模和通过对模糊设计结构矩阵按信息度进行模糊排序来指导过程分解与重组,提出了基于特征的产品／模具信息模型,通过基于规则与基于事例相结合的推理机制实现知识、数据、事例等各种信息的动态集成与应用,以支持并行设计机制的实现。     

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。     

基于粗糙集的航路飞行冲突智能解脱CBR系统案例检索方法

针对航路飞行冲突智能解脱中的案例推理问题,提出了基于粗糙集的改进案例检索方法.建立了框架式案例知识系统表达结构,包括19个条件属性变量和1个决策变量.将基于信息熵的全局优化算法和启发式快速约简算法用于属性约简,把17项案例属性检索指标根据天气和军方活动的情况分别简约为4项.依据条件属性对决策属性的影响程度,建立了基于粗糙集属性重要度的指标权重确定方法.通过算例进行计算,将简约前后的案例检索效果进行比较,结果表明一致性达到90％.简约后的属性不仅可以保证较好的检索质量,还能够有效减少检索空间,提高检索速度.     

基于覆盖算法与多层前馈网络的案例库维护

针对运行在电子商务等交互式应用领域中的案例推理系统时,其案例库的规模很容易达到成千上万条且不能削减的特点,提出同时从两方面着手完成案例库维护:一方面用覆盖算法将案例库划分成覆盖领域,实现案例的选择性过滤使用;另一方面应用多层前馈神经网络改进案例匹配,提高检索效率.实验表明,该方法可以用来处理海量的高维数据,保证了系统的可用性.     

一种基于智能Agent的用户个性化信息检索系统模型

针对当前信息检索工具缺乏对知识的理解和处理能力,提出了一种基于智能Agent的用户个性化信息检索系统模型,通过多个Agent的协调工作为用户提供个性化服务。描述了该模型的系统结构及各功能模块的实现方法,分析了系统模型的工作流程,部分解决了信息检索中的文档相关性计算、搜索引擎的调度算法、数据库的构建等技术问题。     

基于FCM和CBR-GRA双重检索的应急救援物质需求预测

运用多项数据分析及推理技术提高物资需求预测速度及可靠性.首先利用历史案例信息求救援案例指标权重;之后建立模糊聚类(FCM)及案例检索相结合的算法,案例检索采用CBR-GRA双重检索技术,在得到相似度向量与灰色关联度向量之后,再次应用灰色关联分析求取案例相似-关联度向量,从而保证可靠案例检索;最后建立救援物质需求模型.经实例验证可知:案例聚类实现数据初步筛选,提升了检索速度,2种检索方法融合,提升了检索可靠性.