多重事例库系统的研究

论文摘要

基于事例的推理（Case-Based Reasoning,CBR）作为基于知识的专家系统（Expert System）的一个分支,它是目前人工智能（Artificial Intelligence）研究中一种正在迅速发展的推理方法。它尤其适用于难以总结出一般性规律,而又能提供大量历史案例的领域。 本文在传统CBR系统模型的基础上,提出了一种新的模型:多重事例库系统（Mulriple CBR）。该系统模型将传统CBR系统中的一个事例库划分为三个事例库,并以此建立三个CBR子系统,它们协同工作,共同构成一个完整的系统。使用者事例库是针对系统的使用者而建立,为不同类型的使用者确定不同的工作策略,在多用户系统中能够提高搜索速度和精度;问题主体事例库是针对问题主体建立,用于确定问题主体特征和参数,收集特征信息对具体策略进行调整;应用事例库针对问题而建立,根据使用者事例库和问题主体事例库确定的信息进行推理,确定最终输出。 本论文在建立模型的同时,对面临的一些问题进行了论述,提供了一些简单可行的解决方法。此外,借鉴国外关于多事例库系统（MCBR）的理论研究,将其与多重事例库系统结合,扩展了系统的自动化处理能力。

论文目录

• 摘要
• ABSTRACT
• 图表目录
• 第一章 绪论
• 1.1 人工智能简介
• 1.2 专家系统简介
• 1.3 基于事例推理简介
• 第二章 基于事例推理综述
• 2.1 前言
• 2.2 CBR的基本知识
• 2.3 传统的CBR系统模型
• 2.3.1 基本定义
• 2.3.2 基于事例推理的基本过程
• 2.3.3 事例表示和存储
• 2.3.4 事例检索和匹配
• 2.3.5 事例修改
• 2.3.6 事例学习
• 2.4 基于事例推理评述
• 2.4.1 CBR系统优越性
• 2.4.2 CBR系统目前的问题
• 2.4.3 CBR系统的评价研究
• 第三章 多重事例库CBR系统
• 3.1 使用者事例库
• 3.1.1 使用者事例库的工作过程
• 3.1.2 使用者事例库的表示和索引
• 3.1.3 联想功能
• 3.1.4 使用者事例的修改和学习
• 3.2 问题主体事例库
• 3.2.1 问题主体事例库的功能
• 3.2.2 问题主体事例库的构造
• 3.3 应用事例库
• 3.3.1 应用事例库的功能
• 3.3.2 应用事例库的表示
• 3.3.3 应用事例库的检索
• 3.3.4 应用事例的修改
• 3.4 系统的学习功能
• 3.4.1 使用者事例库的学习
• 3.4.2 问题主体事例库的学习
• 3.4.3 应用事例库的学习
• 3.5 系统的输出
• 第四章 多事例库推理系统（MCBR）
• 4.1 简介
• 4.2 MCBR的工作流程
• 4.3 MCBR的优势
• 4.4 影响MCBR性能的因素
• 4.5 MCBR发展前景
• 4.6 MCBR技术在多重事例库中的运用
• 4.6.1 子系统的事例库建立的MCBR
• 4.6.2 多重事例库系统建立的MCBR
• 第五章 多重事例库系统的特点
• 5.1 多重事例库系统的特点
• 5.1.1 系统整体的特点
• 5.1.2 搜索速度和满意度
• 5.1.3 人性化
• 5.1.4 软件复用
• 5.2 多重事例库系统与传统系统比较
• 5.2.1 搜索速度和满意度
• 5.2.2 检索策略的利用率
• 5.3 多重事例库系统与多事例库系统的比较
• 结束语
• 参考文献
• 致谢