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

1、隨著計算機技術(shù)的快速發(fā)展，在人們的工作生活中，專家系統(tǒng)得到了越來越廣泛的應(yīng)用。通過使用專家系統(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，它的思想是通過重用過去解決問題的經(jīng)驗來解決當前遇到的新問題。

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(學生心理測試分析系統(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、事例檢索和匹配、事例的修改和學習、事例庫的維護。 將聚類算法應(yīng)用于CBR系統(tǒng)，使用改進的CURE KNN算法，對事例庫中的事例進行聚類，將事例庫分成若干子集；在事例的表示中采用了面向?qū)ο蟮姆椒?，有效的解決了知識表達的問題；在符合數(shù)據(jù)庫設(shè)計規(guī)范的基礎(chǔ)上，采用分層方式構(gòu)建標準事例庫；在事

3、例檢索中，采用了最近相鄰方法，由于對存有大量事例的事例庫使用最近相鄰算法進行檢索的效率不高，因此，在事例檢索時，首先計算目標事例與事例庫中各個子集的中心點索引的相似度，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行檢索，找出與目標事例最相似的事例，通過使用這種檢索方式大大提高了事例的檢索效率；在事例庫的維護方面，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中的冗