利用数据挖掘技术构造范例库的新方法探究

范例推理技术作为基于规则推理技术的补充,其关键就是能很好地解决知识获取的瓶颈问题,但在范例推理技术的实际应用中,如何高效建立范例库也是一个棘手的问题。采用数据挖掘技术,提出一种综合算法从传统数据库中构造范例库,可望部分解决范例获取的自动化问题,提高系统的运行效率及整体性能。     

利用数据挖掘技术从气象数据库中建立范例库

基于范例的推理中的知识表示是以范例为基础,目前,在基于范例的推理中,一个重要的任务是如何准备有效的范例库.在有些领域,过去虽然有比较详细的工作记录,建立了一些相关的数据库,但都是实际观测或工作运行状态的简单记录.我们采用了数据挖掘的技术来处理范例获取的问题,从存储于农业气象数据库中的信息发现范例,以形成范例库.     

基于效用值的范例库记忆算法研究

基于范例推理的系统中,如果所有新范例不加辨别地加入到范例库,那么范例库中将充满许多冗余范例和噪声范例。针对这个问题,提出基于效用值的范例库记忆算法。该算法能选择性地加入新范例,删除范例库中冗余的和错误的范例,强化经常判断正确的范例,弱化经常判断出错的范例。实验结果表明,包含记忆算法的范例推理系统不但能减少范例库存储空间,还能提高分类准确度。     

利用数据挖掘技术从气象数据库中建立范例库

基于范例的推理中的知识表示是以范例为基础，目前在基于范例的推理中，一个重要的任务是如何准备有效的范例库，在有些领域，过去虽然有比较详细的工作记录，建立了一些相关的数据库，但都是实际观测或工作运行状态的简单记录。我们采用了数据挖掘的技术来处理范例获取的问题，从存储于农业气象数据库中的信息发现范例，以形成范例库。     

范例推理系统中的范例库维护

在范例推理系统中，系统的学习会使范例库逐渐增大，一般来说范例库越大，知识越丰富，但也不能无限增加，否则会大大增加相似范例检索的时间，降低系统的总体性能。因此范例推理学习系统必须有维护功能，主要目的是限制范例库的无限膨胀，且能保持系统的性能。本文在给出一个改进的删除策略维护方案的同时，并从另一角度出发，提出一个基于范例增加的维护策略，以保证系统的性能不受影响，从而达到小范例库强功能的目的。     

聚类算法在范例库维护中的应用研究

详细介绍了将传统的聚类算法应用于基于范例推理系统中,并为范例库维护提供了一条有效的途径。实验表明,在范例库的维护中,聚类方法是一种行之有效的方法。     

基于范例和规则相结合的推理技术

机器学习人员多年来提出诸多机器学习的混合体系结构，以改进机器学习的性能。本文着重提出一个基于范例推理与规则推理相结合的推理技术，以及一个范例库划分算法，其目的是充分发挥两种推理的优势，提高问题求解的效率。最后给出了一些测试结果和相关的结论。     

基于CBR的智能答疑系统范例库的研究与实现

CBR方法是近年来人工智能领域先进和实用的方法,范例库作为智能答疑系统的核心部分,为进一步提高答疑系统的智能性,将CBR引入范例库,研究了基于CBR的智能答疑系统范例库的构建方法,对聚类方法和遗传算法在CBR范例库的检索、维护中的应用进行了分析、测试.通过CBR范例库的建立、检索和维护有效地提高了智能答疑系统的性能、进一步提高了智能答疑系统的智能性.     

用遗传模拟退火算法挖掘特征项权重的研究

能否在范例库中检索和选择出最为相似的范例决定了范例推理系统性能。文中介绍了遗传算法和模拟退火算法,比较了两种算法的特性,提出一种混合遗传模拟退火算法。该算法不但具有强的局部搜索能力,还缩短了搜索时间。将该算法用于发掘范例库上特征权重,理论分析和实验结果表明了这种混合遗传模拟退火算法优于普通的遗传算法。     

基于范例库推理的软件成本估算模型研究

用传统的经验函数估算软件成本有很多局限性，采用基于范例库推理的估算方法可以很好地弥补其中的问题。讨论了软件成本估算和基于CBR推理研究的特点，从总体上阐述了COSCBR系统结构，描述了系统重要的研究方面：影响软件成本因素；层次推理；COSCRB系统的范例表示方法；相似度的基本计算算法。