一种基于粗糙集和欧式距离的手机故障案例匹配算法.pdfVIP

第45卷第12期 中国海洋大学学报 45(12)：125～130 OFOCEANUNIVERSITYOFCHINA Dec．，2015 2015年12月 PERIODICAL 一种基于粗糙集和欧式距离的手机故障案例匹配算法+ 唐瑞春1，张肖南2，郭双乐3，邱悦4，丁香乾1 (1．中国海洋大学信息科学与工程学院，山东青岛266100；2．武汉东方赛思软件有限公司，湖北武汉； 3．滨州学院信息工程系，山东滨州256600；4．北京三快在线科技有限公司，北京朝阳区100000) 摘要： 本文研究在云环境中手机故障案例检索时的案例匹配问题，提出了一种基于粗糙集和欧式距离的案例相似度 basedon setsandEuclidean 匹配算法CMARE(CaseMatchingAlgorithmRough distance)。首先云计算平台收集手机故障 参数，根据参数构建粗糙集信息表，利用粗糙集求出信息表里各案例特征参数的属性客观权重值并结合专家经验给出综合 的属性权重值，最后利用此权重值和欧式距离计算案例间的相似度，找出案例库中与新案例最相似的案例。该算法的创新 之处在于确定案例属性权重值时基于数据本身和人工经验，避免了过分依靠人工经验知识设定属性权重的不足；与规则推 理方式不同，本文使用案例推理的方式。仿真实例说明了算法的有效性。 关键词： 手机故障检索；粗糙集；欧式距离；信息表 中图法分类号：0241．6 文献标志码： A 文章编号： 1672—5174(2015)12—125—06 DOI： 10．16441／J．cnki．hdxb 随着相关技术的发展，手机的结构越来越复杂，功 CBR系统技术实现研究的一个热点问题。文献[4]研 能越来越完善，智能化程度也越来越高。手机在使用 究了在进行相似度检索时使用最近相邻法来进行案例 过程中也会出现各种故障，当前，人工智能领域中没有 检索，利用海明距离(Hamming 专门针对手机的故障诊断方法，手机故障点的查找都 度；文献[5]中在使用CBR进行故障推理时使用欧式 是依靠人工查找，往往会出现误诊或者漏诊，其准确性 距离(Euclidean 有待进一步提高。 在确定故障案例中各特征的属性权重时都是根据人工 随着移动互联网和云计算的发展，手机可以与云 经验直接指定，从而引入了人为因素，导致案例检索准 计算平台更好的交互，从而可以利用云计算平台辅助 确性不够。 手机故障的诊断。利用云计算环境收集手机运行时的 为解决上述问题，本文提出了基于知识粒度粗糙 参数，在云平台上与已有的故障案例进行相似度的计 集的属性权重计算方法，在结合欧式距离的基础上以 算，依据相似度的高低对新故障进行推理，从而能够在 知识粒度粗糙集来计算案例中各属性的客观权重值， 故障发生时进行有效的分析和处理，这对于故障点的 结合人工经验给出最终的属性权重值，将其应用到手 确定有着重要的意义。 机故障案例匹配中能够提高案例匹配的精确度。云计 Based 基于案例的推理即CBR(CaseReasoning)，算平台收集手机运行时的状态参数，提取故障参数并 核心思想是使用过去人们解决问题的经验解决新问 创建新案例，云平台根据故障参数构建决策表，利用决 题，它需要研究以往的案例库，如果无法在案例库中找 策表计算各参数代表的属性权重值，之后结合人工经 到与当前案例相同的案例，则需要找到一个与当前情 验给出最终的属性权重值；在计算相似度时利用欧式 况最相似的案