基于網(wǎng)格聚類算法的案例檢索系統(tǒng)的應(yīng)用研究.pdf

1、案例推理(CBR)作為最近二十多年來發(fā)展起來的一種新的推理模式,已受到人工智能研究人員的關(guān)注,已經(jīng)成為當(dāng)前人工智能及機器學(xué)習(xí)領(lǐng)域中的熱門課題與前沿方向.案例推理系統(tǒng)是通過檢查出案例庫中過去同類的相似問題從而獲得當(dāng)前問題的解決方案,它克服了傳統(tǒng)知識處理系統(tǒng)對其邊界以外的知識處理十分低效、匹配沖突等缺陷. 在案例推理系統(tǒng)中,系統(tǒng)的增量式學(xué)習(xí)會使系統(tǒng)案例庫無限增大,導(dǎo)致案例推理系統(tǒng)的案例檢索速度越來越慢,從而使得整個系統(tǒng)的性能越來越弱

2、.由此可見,案例檢索在整個系統(tǒng)中位于重要的位置且是系統(tǒng)的瓶頸. 論文首先回顧了CBR的發(fā)展歷程,介紹了CBR的研究現(xiàn)狀、特點、應(yīng)用領(lǐng)域及其理論基礎(chǔ),詳細討論了CBR的相關(guān)的檢索技術(shù)和相似度計算問題.接著介紹了數(shù)據(jù)挖掘的研究現(xiàn)狀及其相關(guān)技術(shù),其中著重介紹數(shù)據(jù)挖掘中的重要算法之--聚類算法,并給出了一種新的網(wǎng)格聚類算法(CABG).實驗驗證結(jié)果表明,該算法具有可行性并能取得較好的結(jié)果. 案例推理系統(tǒng)中的案例檢索方法具有檢索速