CBR系统中事例检索算法研究及应用

摘要

本文简单阐述CBR的基本概念和原理,结合医院医生诊断的背景,具体的阐述了CBR系统的几个核心环节和一些相关的设想:事例表示和存储、事例检索和匹配、事例的修改,学习和索引.事例表示和存储采用了可拓物元与标准表相结合的表示方法,有效的解决了知识表达的可拓性问题,为属性的拓展提供了一般性解决方案;在事例检索中,采用了分级过滤与最近相邻方法相结合的策略,利用基于属性空间的概念,精简了检索过程,提高了系统的检索效率;在事例的修改,学习和索引环节,采用两级事例库的方式对系统模拟学习能力进行实现,采用类似于B+树的结构来组织代表事例库,以达到系统自动学习的目标.

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

第一章引言

1.1人工智能简介

1.2专家系统简介

1.2.1基于规则推理简介

1.2.2基于事例推理简介

1.3本文主要内容及组织结构

第二章基于事例推理概述

2.1基于事例推理

2.1.1基于事例推理概述

2.1.2基于事例推理基本过程

2.1.3事例表示和存储

2.1.4事例检索和匹配

2.1.5事例修改和学习

2.2基于事例推理评述

2.2.1 CBR和RBR的区别

2.2.2 CBR系统优越性

2.2.3 CBR系统目前的问题

第三章系统关键技术介绍

3.1面向对象的知识表示概述

3.1.1知识表示定义

3.1.2知识表示方法

3.1.3面向对象表示法基本思想

3.1.4面向对象表示法特点

3.2分级式过滤算法

3.2.1一些相关的基本概念

3.2.2分级式检索算法

3.2.3算法效率

3.3事例的存储

3.3.1物元的基本概念

3.3.2物元思想在系统中的应用

3.4事例的学习优化

3.4.1事例修改和学习

3.4.2事例的索引

第四章系统设计和实现

4.1系统概述

4.2事例表示和存储

4.2.1事例表示

4.2.2事例组织

4.3事例检索和匹配

4.3.1检索算法选择

4.3.2基于模糊数学的相似度计算函数

4.3.3事例检索过程

4.3.4事例匹配

4.3.5检索算法评价及展望

4.4事例修改和学习

4.4.1事例修改

4.4.2事例学习

4.5系统评价和展望

第五章CBR系统与其他技术相结合

5.1分布式数据库简介

5.1.1分布式数据库简介

5.1.2分布式数据库与CBR结合的可行性分析

5.1.3分布式数据库与CBR结合展望

5.2 CBR与RBR的结合

结束语

参考文献

致谢