案例智能及其柔性决策技术的研究.pdfVIP

案例智能及其柔性决策技术的研究 龙岩学院数学与计算机科学学院1合肥工业大学计算机网络所2 郑汉垣1户盛荣1李建洋2 【摘要】 案例是专家经验的计算机存储形式，是专家长期实践的产物。基于寨例推理是区别于基于规则推理的一种推理和学 习模式。是一种重要的机器学习方法。已经成为智能系统一种新的推理方法。文章探讨了基于案例推理的主体推理过程．分析了以 CBR技术为核心的案例智能技术，可以很好地实现知识推理；指出该技术具有模拟人类决策思维过程的优势，解决柔性决策难题。 【关键词】cBR；案例智能；柔性决策；知识推理 O引言 么信息存放在一个案例中、如何选择合适的案例内容描述结 构、案例库如何组织和索引。基于案例推理方法的效率和案例 案例推理(ca盼Ba5edReasoning，CBR)是由目标案例的 提示而得到历史记忆中的源案例。并由源案例来指导目标案例 表示密切相关。对于那些数量达到成千上万、而且十分复杂的 求解的一种策略。它是一种重要的机器学习方法。传统的推理 案例，组织和索引尤其重要，后面我们将专门探讨。 观点把推理理解为通过因果关系(如规则链)导出结论的一个 2)案例检索：利用检索信息从源案例库中检索并选择潜 过程；CBR是区别于基于规则推理的一种推理和学习模式．它 在可用的源案例．后面的工作能否发挥出应有的作用，很大程 是指借用旧的事例或经验来解决问题、评价解决方案、解释异 度上依赖于这一阶段得到的案例质量的高低，因此这一步非常 常情况或理解新情况；CBR根据目标案例的信息。从源案饲库 关键。基于案例推理方法和人类解决问题的方式很接近：碰到 中获得相似的历史案侧．并由获得的源案倒来获得问题求解。 一个新问题。首先分析目标案例。从中识别和抽取检索源案例 CBR兴起的主要原因是传统的基于规则的系统存在诸多的 库中包含的信息。然后从源案例库中选择出与当前问题相关的 缺点．如：知识获取的瓶颈问题。对于处理过的问题没有记 最佳案例。它可分为如下三个子过程：特征辩识，初步匹配， 忆，导致推理效率低下．处理领域中例外事件格外困难，整体 以及最佳选定。 性能较为脆弱等等；而CBR恰好能很好地解决以上问题。在 特征辩识是指对新问题进行特征获取，可以是根据上下 CBR中，案例的定义是：案例是一段带有上下文信息的知识， 文，或者是从问题的描述中直接获得的特征．或根据知识模型 该知识表达了推理机在达到其目标的过程中能起关键作用的经 的需要从用户那儿通过交互方式获取的特征。也可以是对问题 验。 经过分析理解后导出的特征。 1案例智能技术 初步匹配是指从案例中找到一组与当前问题相关的侯选案 基于案例推理作为一种方法论是合理有效的。因为客观世 例。这是通过使用上述特征作为案例库的索引来完成检索的。 界的规整性和重现性。“历史是惊人的相似”，相似条件下的动 由于一般不存在完全的精确匹配。因此要对案例之间的特征关 作会产生相似的结果。过去的经历很有可能预示未来．所以可 系进行相似度的估计。它可以是基于上述特征的与领域知识关 系不大的表面估计。也可以是通过对问题深入分析后的深层估 以回忆(Remember)和复用(Reuse)从前的推论。CBR一般 计。具体做法上，则可以通过对特征赋以权值来体现不同的特 由检索(Retrieve)、复用(Reuse)、修正(Revise)、学习(Re． 试n)四个主过程组成，因此CBR亦称为4R[1l。 征具有不同的重要性。 从人工智能的角度来看．CBR主要处理两方面的问题：第 最佳案例是指从初步匹配过程中获得