全局優(yōu)化案例推理檢索算法研究.pdf

1、案例檢索(case retrieval)是基于案例推理(CBR)系統(tǒng)中的關(guān)鍵技術(shù),也是實現(xiàn)智能挖掘系統(tǒng)的關(guān)鍵環(huán)節(jié)。因此，如何提高案例檢索效率就成為一個研究的熱點。對于檢索技術(shù)的研究，主要分為檢索算法的改進和優(yōu)化處理。本文在山西省自然科學基金“網(wǎng)格環(huán)境下數(shù)據(jù)挖掘算法搜索策略的研究(2006011030)”的資助下，2006年以來課題組重點在搜索技術(shù)的優(yōu)化上展開了相關(guān)研究，主要完成的工作：建立了一個多維優(yōu)化的檢索模型。此模型是建立在層次分析

2、方法(AHP)與遺傳算法的相結(jié)合的基礎(chǔ)上，先通過層次分析方法確定了權(quán)重，然后通過遺傳算法實現(xiàn)了對案例庫的約簡、屬性的約簡，最后結(jié)合K-NN檢索方法進行檢索的一種分步檢索策略。但是此中檢索模型還有以下兩方面的不足之處：
　　 1、沒有考慮屬性權(quán)重的重要性，我們知道屬性只是反映一個案例是否具有某一個特性，但是真正反映屬性重要性的是屬性權(quán)重。
　　 2、對于參數(shù)的優(yōu)化雖然實現(xiàn)了多維優(yōu)化，但是分步進行。特別是對于K-NN算法中的

3、K值沒有進行優(yōu)化，這樣就可能造成，如果在決策者輸入目標案例參數(shù)過于松散的條件下，可能會檢索到比較多的案例，其中包括對于用戶沒有任何幫助的案例；決策者這時候還必須具有相關(guān)的知識對其進行分析以便獲得所需知識。這種有用戶參與的控制數(shù)據(jù)挖掘過程的局限性必然要導(dǎo)致數(shù)據(jù)挖掘工具處于被動狀態(tài)。
　　 針對于目前的問題，本文,首先，考慮到案例的屬性權(quán)重的要優(yōu)于對于案例屬性的優(yōu)化。其次考慮到檢索參數(shù)松散的情況，提出了一種基于遺傳算法的全局優(yōu)化案例