范例库中特征项权重的发现技术

系统地探讨了在范例库中引入一系列可以使用的数据挖掘技术，以期提高范例推理系统中知识获取的自动化程度。为了准确地表达范例比较间的本质特征，重点讨论了应用于范例库上特征项赋权的基本技术，并提出了一个自适应发现算法，然后进行了实验，结果表明此方法要优于其它方法。     

范例库上的知识发现

本文着重探讨在范例库中引入一系列可以使用的知识发现技术，以提高范例推理系统的知识获取的自动化程度，这里提出了基于范例库上的修正规则的发现技术与算法，为此进行了实验与讨论。     

基于数据挖掘技术的范例库维护

在范例推理系统中,系统的学习会使范例库无限增大,会导致系统的功能不断下降。范例推理学习系统必须有范例库的维护。本文在详细讨论了范例库的维护技术的同时,提出了一个基于数据挖掘技术的维护策略,以保证系统的学习不影响系统性能。     

基于范例推理的研究

范例推理系统在人工智能研究中起着很重要的作用。对范例推理结构进行了研究,阐述了这些范例推理结构相应的功能,并把数据挖掘中的一些算法应用在案例推理中,使案例推理趋向智能化。     

地质勘探施工技术辅助设计软件范例库的开发

根据地质勘探坑道施工技术的特点，提出了使用基于范例推理思想来开发地质勘探范例库的设想，并简要介绍了基于范例推理思想及其设计方法，并且结合勘探平巷掘进施工技术的特点，将前人所做的成功的勘探平巷掘进工程实例利用CBR的基本原理做成范例库，嵌入到勘探坑道掘进施工技术辅助设计软件，以进一步开发软件的智能化设计功能。     

Multi-Agent的范例推理

多代理(Multi-Agent)系统的研究是分布式人工智能中最为活跃的领域.本文在研究了代理技术在基于范例推理(CBR)中的有关应用后,提出了多代理范例推理模型.在此基础上,讨论了该模型的相关问题并给出了一个用于汽车故障检修和排除的多代理范例推理系统.     

基于范例推理的桩基设计辅助系统

基于范例的推理（CBR）是一种新型的人工智能推理技术，能够有效地提高系统的推理求解能力，利用Visual Basic和Access，通过应用数据库来表示和搜索匹配范例，对开发基于范例推理的桩基设计辅助系统进行了初步尝试。     

Multi－Agent的范例推理

多代理（Multi-Agent）系统的研究是分布式人工智能中最为活跃的领域。本文在研究了代理技术在基于范例推理（CBR）中的有关应用后,提出多代理范例推理模型。在此基础上,讨论了该模型的相关问题并给出了一个用于汽车故障检修和排除的多代理范例推理系统。     

基于范例推理的高速公路事件管理系统

针对高速公路事件的特性,将人工智能中的范例推理引入了高速公路突发事件管理中.介绍了范例推理流程,主要包括检索模块、重用模块、修正模块和保存模块.根据CBR推理的基本原则对CBR的工作过程进行了修正,同时提出了相应的高速公路紧急事件管理系统的架构.在该架构中,一个完整的范例包括3个部分,分别是范例表述部分、决策响应预案部分和有效性评价部分.范例表述使用的是属性一值的表示方式.范例检索模块采用基于层次范例的结构辅以权重计算的方法来进行范例的相似度计算,最后,应用这些方法实现了基于范例的高速公路紧急事件管理系统,并且配合基于规则推理的RK-IMS紧急事件管理系统使用.实际应用表明,将范例推理用于高速公路突发事件管理系统的研究,能有效发挥高速公路相关资源的功效,提高高速公路突发事件管理系统的水平.     

基于范例推理的进化计算

结合进化计算灵活、并行的特点,将遗传算法引入CBR的基本框架中,提出了基于遗传算法的范例修正模式,讨论了GA中重要的编码、适应值函数问题,并通过具体系统的范例推理原型进行了验证.     

基于案例库维护的案例推理分类技术

分类是数据处理和数据挖掘的重要任务之一,文章在建立案例推理分类器之前,先利用相似粗糙集进行案例属性的约简,再利用基于案例分类的删除技术进行案例库的维护操作;不仅减少案例的存储空间,也大大提高分类的精确度;实验结果表明,相比传统的案例推理分类器和神经网络分类器,该分类器在分类精度和速度上都有一定的优势。     

智能化数据挖掘系统

目前通用数据挖掘系统需要由用户自主去选择需要的数据挖掘算法．这就使这些通用数据挖掘工具很难被那些不熟悉数据挖掘术语和数据分析技术的普通用户所使用．为了解决这个问题,文章讲述了一种基于案例推理的智能化数据挖掘系统,这种系统的主要功能是根据用户提交的任务书,在算法库中查找相应的算法自动实现数据挖掘,将用户从繁重的算法设计、算法选择中解脱出来．     

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.     

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.     

数据挖掘技术的深入研究

讨论了数据挖掘技术的研究进展 ,并对四种方法进行了深入的研究 :关联规则、离群数据、基于案例的推理、支持向量机 ,最后提出一个基于数据挖掘技术的智能决策支持系统的框架和模型     

基于实例的工艺知识获取模型

介绍了耦合神经网络的工艺设计实例推理系统的实现方法论,提出了一种基于神经网络的工艺设计实例推理索引模型．与现存大多数实例推理系统不同,该方法用神经网络实现实例的动态分类和索引．实例层次分类的三层结构和基于特征的聚类模板概念,为实现基于符号处理的实例推理求解模式向基于神经计算的模式识别求解模式映射提供了条件．提出了基于实例的工艺知识获取模型,采用新实例的入库操作实现工艺知识的隐式获取,从而使知识获取得以简化．神经网络的自适应、自学习能力将减少系统的日常维护工作．基于实例的系统可望解决知识获取的难题．