本文關(guān)鍵詞：基于粗糙集與前饋網(wǎng)絡(luò)的案例智能系統(tǒng)的研究，由筆耕文化傳播整理發(fā)布。

基于粗糙集與前饋網(wǎng)絡(luò)的案例智能系統(tǒng)的研究(pdf115頁(yè))

第六章案例知識(shí)庫(kù)維護(hù)技術(shù)的相關(guān)研究然而，在一些電子商務(wù)在線銷(xiāo)售、網(wǎng)絡(luò)CBR的應(yīng)用以及一些交互式CBR應(yīng)用領(lǐng)域，諸如故障診斷、在線幫助、聯(lián)機(jī)決策等具體的應(yīng)用中，案例庫(kù)中的每一個(gè)案例都代表一個(gè)唯一的商品、或者一個(gè)不可缺失的寶貴經(jīng)驗(yàn)，案例庫(kù)很容易達(dá)到成千上萬(wàn)的規(guī)模，而且都是不可約簡(jiǎn)的，顯然上述案例庫(kù)維護(hù)方法是不能應(yīng)用在這些環(huán)境中。(1)交叉覆蓋法交叉覆蓋維護(hù)算法首先通過(guò)擴(kuò)維、空間投射方法，較好地實(shí)現(xiàn)案例庫(kù)中的相似案例的領(lǐng)域覆蓋，實(shí)現(xiàn)信息的選擇性過(guò)濾。其次，通過(guò)將這些獲得的覆蓋領(lǐng)域，輸入到多層前饋神經(jīng)網(wǎng)絡(luò)中實(shí)現(xiàn)案例匹配，提高檢索效率。該方法并沒(méi)有縮減案例庫(kù)，通過(guò)使用易于構(gòu)造、易于理解的多層前饋神經(jīng)網(wǎng)絡(luò)，并且采用交叉覆蓋算法來(lái)有效地降低網(wǎng)絡(luò)的算法復(fù)雜度，建立起了一種可信賴(lài)的高性能、確保案例的性能與效率，解決了因案例學(xué)習(xí)導(dǎo)致的案例庫(kù)規(guī)模增長(zhǎng)而產(chǎn)生的問(wèn)題，為系統(tǒng)的實(shí)際應(yīng)用打下基礎(chǔ)。具體可見(jiàn)下面內(nèi)容。(2)動(dòng)態(tài)粒度法粒計(jì)算是一種基于問(wèn)題概念空間劃分的新的智能信息處理理論和方法，覆蓋了所有有關(guān)粒度的理論、方法、技術(shù)和工具的研究，也是人工智能研究領(lǐng)域的熱點(diǎn)之一，在國(guó)際上受到廣泛的關(guān)注和重視。采用動(dòng)態(tài)知識(shí)粒度，有助于多層次、分階段地從模糊的、不完整的、不精確的及海量案例知識(shí)庫(kù)中提取相關(guān)知識(shí)，從而保持系統(tǒng)高效運(yùn)行。商空間法作為粒計(jì)算的一種模型，與粗糙集類(lèi)似，商空間理論也使用等價(jià)關(guān)系來(lái)描述。但其獨(dú)到之處在于...

參考文獻(xiàn)JournalofApproximateReasoning．2005，(40)：81·89【78]．SourenPaul，WilliamD．HasemanandK．Ramamurthy．Collectivememorysupportandcognitive-conflictgroupdecision·making：anexperimentalinvestigation，，DecisionSupportSystems，2004，36(3)：261—281【79]．StefaniaMontani，LuigiPortinale．CaseBasedRepresentationandRetrievewithTimeDependantFeatures[C]．InternationalConferenceonCased-BasedReasoning2005，Springer2005，353·367【80]．TomM．Mitchell，MachineLearning【M】，北京：機(jī)械工業(yè)出版社，2003【81]．VapnikVAnoverviewofstatisticallearningtheory【J】．IEEETransNeurflNetworks，1999，10(5)：988—999【82]．VapnikV．TheNatureofStatisticalLearningTheory[M]...

第四蘋(píng)基于前饋神經(jīng)網(wǎng)絡(luò)的案例檢索種案例庫(kù)聚類(lèi)辦法，選取全部有價(jià)值的離群案例，并以案例閾值州UlC'asesNum為依據(jù)，f’，”…一·按比例在每個(gè)案例庫(kù)聚類(lèi)中隨機(jī)選取一定數(shù)量的案例，建立檢索目標(biāo)集。若存在某一聚類(lèi)內(nèi)的案例數(shù)不小ClRBFMinCasesNum，則建立該聚類(lèi)類(lèi)內(nèi)RBF檢索機(jī)。最后在檢索目標(biāo)集的基礎(chǔ)上建立主案例檢索機(jī)實(shí)例。X1X櫛輸入層隱含層輸出層圖4．3RBF案例檢索機(jī)模型Fig．4—3I1lustrationofcaseretrievemodelbasedonRBF在基于RBF神經(jīng)網(wǎng)絡(luò)的相似案例檢索模型的基礎(chǔ)上，完成一次案例檢索的過(guò)程如下：(1)輸入待解問(wèn)題的基本特征；在主案例檢索機(jī)的控制下，完成待解問(wèn)題在準(zhǔn)案例庫(kù)范圍內(nèi)的相似案例檢索；(2)若檢索成功(存在相似度值輸出較大的案例)，轉(zhuǎn)(6)；(3)否則選擇網(wǎng)絡(luò)輸出值最大的K個(gè)節(jié)點(diǎn)。確定該K個(gè)節(jié)點(diǎn)所屬聚類(lèi)類(lèi)別，并取K案例中所屬聚類(lèi)類(lèi)別未建立類(lèi)內(nèi)檢索機(jī)的案例作為候選案例集的一部分；(4)若結(jié)果存在聚類(lèi)類(lèi)別中某聚類(lèi)已建立類(lèi)內(nèi)檢索機(jī)，則繼續(xù)；否則轉(zhuǎn)(6)：(5)在聚類(lèi)類(lèi)內(nèi)RBF檢索機(jī)的控制下，完成待解問(wèn)題的類(lèi)內(nèi)相似案例檢索，并將檢索到的最相似的L個(gè)案例加入候選案例集：(6)根據(jù)相似案例集中相似案例的索引，從案例庫(kù)中查找詳細(xì)信息，并對(duì)相似案例集進(jìn)行進(jìn)一步篩選，從中挑選更可能滿(mǎn)足要求的案例；(7)按相關(guān)準(zhǔn)則或領(lǐng)域知識(shí)，結(jié)合待解...

研究報(bào)告專(zhuān)輯

研究報(bào)告熱門(mén)

  本文關(guān)鍵詞：基于粗糙集與前饋網(wǎng)絡(luò)的案例智能系統(tǒng)的研究，由筆耕文化傳播整理發(fā)布。