基于人工神經網絡的案例推理研究.pdf

1、基于案例的推理(CBR)是最近二十多年來發(fā)展起來的區(qū)別于基于規(guī)則推理的一種新的推理模式，它是一種重要的基于知識的問題求解和學習方法，強調了人類對過去經驗和前人智慧的重現。人工神經網絡(ANN)可以用來模仿專家的形象思維，它的許多優(yōu)點使得CBR與ANN之間存在某種自然聯系，在很多方面兩者具有互補性。因此利用ANN的技術和模型來實現CBR可以取得良好的推理效果。 本文首先回顧了CBR的發(fā)展歷程，并介紹了CBR的研究現狀、特點及應用領

2、域，詳細討論了CBR方法的基本原理和關鍵技術。接著介紹了ANN基本原理和模型技術，并從CBR的案例檢索、案例庫維護及案例調整三個方面探討了ANN與CBR之間的可結合性。 對于CBR中的案例庫維護，本文采用基于模式歸納維護策略中的聚類分析進行案例庫的相關維護工作。在對相關基本概念介紹及各種聚類算法討論的基礎上，形成了本文的模糊修剪聚類算法，實驗驗證結果表明，該算法具有可行性并能取得較好的結果。在對案例庫進行聚類分析的基礎上，討論了

3、新案例庫的構建問題。 基于ANN的相似案例檢索方法具有檢索速度與案例庫的大小成非線性關系的特點。本文結合徑向基函數(RBF)網絡的特點和案例調整以及相似案例檢索的實際需要，對RBF網絡輸出層進行了非線性化改進，并在案例庫聚類分析的基礎上，提出了基于RBF網絡的相似案例檢索模型，并給出了檢索過程，實驗驗證證實了該檢索模型的合理性。針對幾種不同類型的問題，本文進行了相應的案例調整探討?；谇懊娴难芯拷Y果，本文最后提出了基于ANN的C