基于案例的手機(jī)故障相似度匹配算法研究.pdf

1、隨著信息技術(shù)的發(fā)展,智能手機(jī)越來越多的出現(xiàn)在人們的生活當(dāng)中,其功能日趨完善,手機(jī)的軟、硬件構(gòu)造也越來越復(fù)雜,在生活中扮演的角色也越來越不可或缺,因此手機(jī)一旦出現(xiàn)故障勢必會很大程度影響人們的使用。手機(jī)在出現(xiàn)故障時,故障點的查找都是依靠人工查找,往往會出現(xiàn)誤診或者漏診,其準(zhǔn)確性有待進(jìn)一步提高?；诎咐耐评?Case-Based Reasoning,CBR)技術(shù)是近年來在人工智能領(lǐng)域興起的一種新的問題求解方法,將該方法引入到手機(jī)的智能故障診

2、斷當(dāng)中,能夠提高對手機(jī)故障的診斷能力。因此,研究基于CBR的手機(jī)智能故障診斷技術(shù),能夠幫助準(zhǔn)確定位手機(jī)故障點,輔助手機(jī)故障維修。
　　本文在CBR的基礎(chǔ)上,研究在云環(huán)境中手機(jī)故障案例檢索時的案例匹配問題,提出了一種基于粗糙集和歐式距離的相似度匹配算法CRE(Case matching algorithm based on Rough-sets and Euclidean distance)。首先云計算平臺收集手機(jī)故障參數(shù),根據(jù)參數(shù)

3、構(gòu)建粗糙集信息表,利用粗糙集求出信息表里各案例特征參數(shù)的屬性客觀權(quán)重值并結(jié)合專家經(jīng)驗給出綜合的屬性權(quán)重值,最后利用歐式距離(Euclidean distance)計算新案例與案例庫中案例的相似度,在計算相似度時權(quán)重值時取以上得出的綜合屬性權(quán)重值,通過相似度計算找與新案例最相似的案例。該算法在確定案例屬性權(quán)重值時基于數(shù)據(jù)本身和人工經(jīng)驗,避免了過分依靠人工經(jīng)驗知識設(shè)定屬性權(quán)重的不足。仿真實例說明了算法的有效性。
　　本文的創(chuàng)新點在于將

4、粗糙集理論引入到案例推理的過程中,利用粗糙集可以從已有案例的角度出發(fā),計算出各案例特征參數(shù)的屬性客觀權(quán)重值,之后結(jié)合專家經(jīng)驗給出一個綜合的權(quán)重值,利用此綜合權(quán)重值去計算案例間的相似度,從而使最終的相似度結(jié)果更準(zhǔn)確。
　　手機(jī)作為移動互聯(lián)網(wǎng)的主要終端,未來它的地位會愈發(fā)重要。云環(huán)境下的手機(jī)智能故障診斷也面臨諸多挑戰(zhàn),本文在已有研究成果的基礎(chǔ)上,將人工智能領(lǐng)域的案例推理引入到手機(jī)的智能故障診斷中并嘗試性的提出CRE,具有一定的理論價值