【摘要】：基于案例規(guī)則的信息檢索模型因知識不確定性或推理不可靠性而存在匹配效率不高的問題,因此制定合理高效的匹配策略來增強信息檢索的準確性顯得非常重要。本文提出融合酉空間的概念,并通過歸一化處理將異構(gòu)的案例和規(guī)則知識在空間中統(tǒng)一表示,定義檢索模型的效能解;其次利用酉空間奇異值分解定理得到檢索模型的閾值向量,引入融合推理傳遞函數(shù)矩陣的能量泛函的基礎(chǔ)上證明了閾值的有效性;再次采用特征閾值向量界定了知識源的元數(shù)據(jù)與決策目標解集之間的關(guān)聯(lián)性;最后根據(jù)特征閾值向量制定融合檢索策略并提出了采用特征閾值的案例-規(guī)則融合方法實現(xiàn)知識融合,使用基準數(shù)據(jù)驗證本方法的有效性。
【圖文】：

檢索的特征閾值選擇模型邐２６５逡逑灰的取值Ｙｅｓ、Ｎｏ分別映射為１，邋０。安靜時心電圖邐平滑而其他的在６０００次左右才趨于平緩，表明本模逡逑數(shù)值化映射結(jié)果為：０邋（正常）、１邋（邋ＳＴ－Ｔ波異常）邐型的收斂速度更快�？傮w時間較普通“案例－規(guī)則”逡逑和２（按Ｅｓｔｅｓ標準出現(xiàn)可能或明確的左心室肥厚）。邐檢索方法節(jié)省約５％。同時，本模型對比單純的規(guī)則逡逑將心臟病診斷的結(jié)果出現(xiàn)Ｐ和不出現(xiàn)Ｎ，分別表示邐檢索方法時間節(jié)省約２％，比單純的案例檢索方法節(jié)逡逑為類別信息Ｇ和Ｃ／。邐省１邋％左右。如圖１所示。逡逑在性能評價上，使用的準確度公式為：Ａｒｕｒａｑｙ：邐２Ａ邐．逡逑ｒＰ邋，邋ｒ４．邋ＶＡ邋’邋其中，７＇尸、Ｗ邋表７＾為實際邋Ｃ｜邐２３邐＾Ｓ－ＲＢＲ逡逑ＴＰ邋＋邋ＴＡ邋４－邋ＦＰ邋－ｆ邋ＦＡ邐ｃｂｒ逡逑分別被推理為ｃ，和ｃ２的樣本數(shù)；ＦＰ、７７Ｖ分別表示邐＿邋Ｚ２邋ｙ邐１１０１１逡逑為ｃ２而分別被推理為Ｃｌ和Ｃ２的樣本數(shù)。邐￡邋２．１邋．逡逑５邐：逡逑５．２檢索過程邐｜２．０逡逑＇＇供逡逑實驗使用十字交叉法，將數(shù)據(jù)集分為十組，每邐ｎ＇逡逑一循環(huán)隨機抽取其中一組作為測試集，其余九組為邐１８邐一＾逡逑訓(xùn)練集，以仿真樣本空間的不確定性。對樣本空間邐…ｎ．邐…１0逡逑采用正交線性判別方法，提取其特征值集合為，并邐Ｓ代次數(shù)／ＨＰ逡逑獲得特征４與候選方案；Ｃ，．在融合酉空間映射的數(shù)據(jù)邐圖１本模型與相近方法檢索的平均時間比較逡逑ｗａ．邋0ｊ＾邐從檢索結(jié)果準確度上，本模型的準獻約為逡逑行解ｊｃ，，＋的數(shù)據(jù)集合融合矩陣實例’如表２所示。邐９０．７７４％，與單純的案例檢索或規(guī)則檢索方法栛提逡逑表２特征

邋最近鄰（Ｎｅａｒｅｓｔ邋Ｎｅｉｇｈｂｏｒ，邐0邋８４邋．邋．．．．．0邋ｖ邐、、逡逑ＮＮ）數(shù)據(jù)處理。而對于單純規(guī)則數(shù)據(jù)，應(yīng)用Ｃ４．５邐＇、邐＋本ｉ型逡逑ａ邋0９邋４邐邐ａ＿＿．邋ＣＢＲ－ＲＢＲ逡逑方法［２９］，通過決策樹形成的規(guī)則進行推理，按照信邐．邐0邋ＲＢＲ逡逑ＣＢＲ逡逑息增益比統(tǒng)一給出每個規(guī)則的條件屬性的置信度的邐0．８0１？………ｉ逡逑１ｚＪ４ｊ0／0ｖ１Ｕ逡逑取值０．７２。在“案例－規(guī)則”檢索的算法中，通過閾值邐組別逡逑設(shè)計方法得到的特征閾值向量為圖２本模型與相關(guān)方法的平均準確度比較圖逡逑［０．７７２１邋０．６５３９邋０．５７６２ｌＴ邐綜上所述，與其他使用定性控制模塊調(diào)節(jié)檢索逡逑＇邐＇邐°邐策略方法相比，本模型提出的特征閾值選擇方法更逡逑５．３實驗結(jié)果與比較分析邐具優(yōu)勢。逡逑從檢索時間上，本模型的每個目標解方案所用邐６邋ｇ邐胃逡逑的平均時間隨著實驗迭代次數(shù)增加而逐漸減少且呈逡逑現(xiàn)逐漸平緩的趨勢，且其初始值為１．９邋ｓ，比其他方法邐在案例－規(guī)則融合檢索中，提高檢索效率一直是逡逑的初始值約低１０％，在迭代４０００次左右的時候就趨于邐重要研究方向。本文使用融合酉空間的奇異值準確逡逑


本文編號：2559494