基于范例CBR智能决策支持系统.ppt

决策范例的表示形式 以一种适当的形式来描述决策范例是实现基于范例决策支持的前提，现在有许多种表示决策范例的方法，如前所述的记忆网络、谓词逻辑表示、面向对象的表示、框架表示、关系数据库表示和全文本表示等； 对于基于范例的决策支持来讲，范例表示的不仅仅是范例的描述方法，而重要的是范例描述中所包含的内容。 在决策范例的描述中，范例描述的核心内容有： 1)决策问题的环境描述：是决策问题的说明信息，描述了决策问题的状态与条件等。 2)决策问题的描述：是决策问题本身的说明，是关于决策问题的完整描述。 3)决策问题的求解方法：针对上述决策环境下出现的决策问题的求解方法。 决策范例的表示形式 针对决策支持，对范例的描述与表示有如下要求： 1)有用性：所选取的范例应该是典型的，对有类似结构的决策问题具有一定的指导意义，对新问题的解决具有启发性。 2)抽象性：一个决策范例是在特殊决策环境下、针对一定的决策问题而产生的决策，以及执行这个决策的全过程的描述。但在基于范例的决策支持时，它是作为问题求解类比知识源而用于具有类似结构的决策问题，因而索引时应尽可能地发现和利用其共同特性，以便更有效地指导对新问题的求解。 3)具体性：范例的抽象性有可能影响基于范例的决策支持的有效性，使系统不能发现新的决策环境下出现的新的决策问题与相似决策范例之间的本质差别，因而索引时抽象性与具体性要相互协调。 决策范例的表示形式 决策范例的索引 CBR技术的强大功能来源于它能从其记忆库中迅速准确地检索相关范例，基于范例的决策支持的有效性来源于它能从有关的范例中迅速而又有效地检索出有用的相关决策范例的性能，因而决策范例的索引策略决定了其决策支持的有效性。在基于范例的推理中主要应用的索引方法有：最近邻策略、归纳推理策略和知识导引策略，或者是这三种方法的结合。 决策范例的组织与检索 基于范例的决策支持系统设计中的主要问题是有关决策范例在系统中的组织。大多数范例存储结构介于纯粹的关联检索与纯粹的分层检索之间。动态记忆模型和分类范例模型是比较有影响的两类组织模型。范例的组织与索引策略决定了范例的检索策略，范例检索的目的是根据给定的决策的问题和决策环境的特征描述，快速而有效地从有关的范例库中查到待求解的问题最有帮助的决策范例。具体的检索范例技术有：模板检索、关联检索、分层检索、基于知识的检索等。 决策范例的修正 范例的修正是对检索出的范例中所应用的决策问题求解方法进行适当修改，使其适合于当前要求解的问题，形成决策支持方案。现有的CBR修正方法是利用修正知识库或领域模型。一般地，范例的调整都需要面向具体领域，没有一个通用的范例修正方法。常用的范例修正技术有：参数调整，遗传算法，约束满足法，转换方法，衍生类比方法，等等。 决策范例的学习和归纳 学习和归纳对CBR系统来说是很重要的。把上述得到的决策方法应用到相应的决策环境中，并对执行过程与结果加以评价，完成范例的描述、索引等过程，形成新的范例加到范例库中，此乃CBR学习过程。随着范例的积累，范例归纳可以确定出特定范例群主要特征的原型范例，且原型可与特定范例存储在一起，提高系统运行的效率和准确性。 决策范例库的维护 范例库是CBR决策系统中的主要知识库，它的维护越来越受到人们的重视。当CBR系统运行时，范例库会不断增大，所带来的好处是很容易找出相似范例，减少修正的次数与时间，而带来的缺点是范例的冗余度增加，有的是重复范例，有的是噪音范例，当检索相似范例的代价迅速上升且超过了它带来的效益时，即需要对范例库进行维护。范例库的维护涉及到：范例的增加与删除，范例库结构的调整，范例库的更新，索引机制的调整等。目前范例维护主要集中在两个方面：范例库的索引机制的维护，范例库本身的维护。 用于决策支持的基于决策范例的推理与学习过程如图 实现上述决策支持过程的基于范例推理的决策支持系统的体系结构如图 范例库存放有关的决策范例，范例库管理系统完成范例存储、特征的抽取、范例的索引、范例的学习和维护等； 模型库系统管理能支持该领域决策的模型； 知识库存储专家经验和以规则形式表示的有关知识、范例推理中的相关知识等，其管理系统则完成维护功能；基于范例的推理系统完成基于范例的推理过程；其他部分与一般的决策支持系统的相应部分相同。 在基于CBR的智能决策支持系统中，决策用户扮演着重要的角色，主要完成以下任务： ①在相关算法(如粗糙集)辅助下，抽取当前问题(或子问题)的主要特征；（后续） （上接） ②将基范例解适配到当前问题环境中，形成解建议； ③在计算机的辅助下分析范例匹配失败的原因； ④建立收集进一步信息的学习目标； ⑤根据收集到的知识和启发信息分解当前问题(或子问题)； ⑥集成所有子问题的解，形成问题的最终解答。 基于数据挖掘