CBR系統(tǒng)推理優(yōu)化及減少數(shù)據(jù)冗余的研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，在人們的工作生活中，專家系統(tǒng)得到了越來(lái)越廣泛的應(yīng)用。通過(guò)使用專家系統(tǒng)，可以節(jié)約大量的人力資源，可以加快信息流通的速度，在許多領(lǐng)域里，專家系統(tǒng)都得到了成功的應(yīng)用?；谑吕评?Case-Based Reasoning，CBR)作為專家系統(tǒng)的一個(gè)分支，它是目前人工智能(Artificial Intelligence，AI)研究中一種正在迅速發(fā)展的推理方法，它的思想是通過(guò)重用過(guò)去解決問(wèn)題的經(jīng)驗(yàn)來(lái)解決當(dāng)前遇到的新問(wèn)題。

2、 本文首先講述了CBR的基本概念和原理，然后結(jié)合本文的應(yīng)用背景(學(xué)生心理測(cè)試分析系統(tǒng))，具體的闡述了CBR系統(tǒng)的關(guān)鍵環(huán)節(jié)：事例表示和存儲(chǔ)、事例檢索和匹配、事例的修改和學(xué)習(xí)、事例庫(kù)的維護(hù)。 將聚類算法應(yīng)用于CBR系統(tǒng)，使用改進(jìn)的CURE KNN算法，對(duì)事例庫(kù)中的事例進(jìn)行聚類，將事例庫(kù)分成若干子集；在事例的表示中采用了面向?qū)ο蟮姆椒?，有效的解決了知識(shí)表達(dá)的問(wèn)題；在符合數(shù)據(jù)庫(kù)設(shè)計(jì)規(guī)范的基礎(chǔ)上，采用分層方式構(gòu)建標(biāo)準(zhǔn)事例庫(kù)；在事

3、例檢索中，采用了最近相鄰方法，由于對(duì)存有大量事例的事例庫(kù)使用最近相鄰算法進(jìn)行檢索的效率不高，因此，在事例檢索時(shí)，首先計(jì)算目標(biāo)事例與事例庫(kù)中各個(gè)子集的中心點(diǎn)索引的相似度，找出最相近的事例子集，然后在滿足條件的子集中使用最近相鄰算法進(jìn)行檢索，找出與目標(biāo)事例最相似的事例，通過(guò)使用這種檢索方式大大提高了事例的檢索效率；在事例庫(kù)的維護(hù)方面，采用基于聚類的事例增加、事例刪除策略，該策略能較大程度的提高事例檢索的速度和質(zhì)量，最大限度地減少事例庫(kù)中的冗