基于CBR的智能决策支持系统研究与应用

论文摘要

随着人工智能技术的不断发展,机器学习、数据挖掘、粗糙集、证据理论等理论方法的不断深入和完善,使智能决策支持系统的体系结构和智能化程度得到了较大的提高。然而随着Internet的普及应用,人们所掌握信息数据数量的剧增,给决策支持提供了丰富的信息资源和方便的互动交流平台,也使得更多的专家可以参与决策。基于智能技术的决策系统研究已经成为当前一个热点研究领域。目前智能决策支持系统研究面临的主要问题之一为:越来越多半结构化、非结构化的、不确定的和相关的信息影响决策,决策专家很难凭借大脑的知识和经验准确、全面和快速地解决、分析信息,形成决策方案,而需要利用智能技术来辅助决策问题求解。本文在分析目前智能决策支持系统现状和存在问题基础上,将基于案例推理的技术与智能决策支持系统相结合,提出了基于CBR的智能决策支持系统,并在法律咨询领域得到实际应用。采用基于事例推理(CBR)的方法,对事例表示、检索推理及启发式学习进行了研究,建立了基于CBR的法律咨询系统,并进行了实例分析,证明了CBR预测的正确性。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 论文研究背景及意义
• 1.2 国内外研究现状
• 1.3 论文主要研究内容
• 1.4 论文研究总体思路
• 1.5 论文结构
• 1.6 论文创新点
• 2 基于CBR的智能决策支持系统研究
• 2.1 智能决策支持系统
• 2.1.1 决策支持系统的发展
• 2.1.2 智能决策支持系统基本概念
• 2.1.3 智能决策支持系统的结构
• 2.1.4 智能决策支持系统中仍待解决的问题
• 2.2 基于案例的推理（CBR）
• 2.2.1 CBR基本概念
• 2.2.2 CBR实现原理
• 2.2.3 CBR&RBR
• 2.2.4 CBR的发展方向
• 2.3 基于CBR的智能决策支持系统的研究
• 2.3.1 基于CBR的IDSS系统的优劣势分析
• 2.3.2 基于CBR的IDSS体系结构
• 2.3.3 基于CBR的IDSS系统的关键技术
• 2.4 本章小结
• 3 基于CBR的智能决策支持系统设计
• 3.1 案例表示与案例库的组织
• 3.2 案例相似性度量
• 3.2.1 案例间相似性度量
• 3.2.2 基于几何模型的相似性度量方法
• 3.3 案例检索
• 3.3.1 归纳推理法与最近邻法的比较
• 3.3.2 最邻近匹配算法:
• 3.4 CBR决策支持引擎的设计实现
• 3.5 本章小结
• 4 基于CBR的智能决策支持系统应用实现
• 4.1 基于WEB的法律咨询系统整体设计
• 4.1.1 新案例插入模块
• 4.1.2 客户端分析模块
• 4.1.3 自动分析比较模块
• 4.1.4 信息检索模块
• 4.2 法律咨询系统实现技术
• 4.2.1 表示层
• 4.2.2 应用层
• 4.2.3 数据层
• 4.3 试验与讨论
• 4.3.1 LOO交叉评价法（Leave One Out Cross Validation）
• 4.3.2 系统评估
• 4.3.3 讨论
• 4.4 本章小结
• 5 结论
• 参考文献
• 在学期间研究成果
• 附录