基于序关系的非完备信息案例推理集成方法研究-计算机应用与软件.PDFVIP

第３３卷第１２期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．１２ ２０１６年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１６ 基于序关系的非完备信息案例推理集成方法研究 胡　健　陈　浈　孙金花 （重庆理工大学管理学院　重庆４０００５４） 摘　要　　针对案例推理系统中数据集存在数据缺失的非完备信息问题，利用序关系基本原理，设计了案例推理集成方法（ＯＲ ＣＢＲ）。通过对非完备信息下确定符号属性、确定数值属性、区间数值属性以及模糊语言属性等属性间相似性度量的研究，计算出目 标案例与历史案例的相似性矩阵。在此基础上，利用序关系构建了相似性矩阵中不同属性的集成排序算法，从而得到最相似历史案 例。通过对ＵＣＩ数据库中非完备信息数据集的测试表明，ＯＲＣＢＲ方法比经典案例推理方法准确率高、效率高，很好地解决了非完 备信息数据集的案例推理问题。 关键词　　序关系　非完备信息　案例推理　集成方法 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．１２．０５３ ＲＥＳＥＡＲＣＨＯＮＥＮＳＥＭＢＬＥＭＥＴＨＯＤＯＦＣＡＳＥＢＡＳＥＤＲＥＡＳＯＮＩＮＧＷＩＴＨ ＩＮＣＯＭＰＬＥＴＥＩＮＦＯＲＭＡＴＩＯＮＢＡＳＥＤＯＮＯＲＤＥＲＩＮＧＲＥＬＡＴＩＯＮ ＨｕＪｉａｎ　ＣｈｅｎＺｈｅｎ　ＳｕｎＪｉｎｈｕａ （ＳｃｈｏｏｌｏｆＭａｎａｇｅｍｅｎｔ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈｏｎｇｑｉｎｇ４０００５４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｃａｓｅｂａｓｅｄｒｅａｓｏｎｉｎｇｅｎｓｅｍｂｌｅｍｅｔｈｏｄ（ＯＲＣＢＲ）ｉｓｐｕｔｆｏｒｗａｒｄｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｄａｔａｍｉｓｓｉｎｇｉｎｔｈｅｃａｓｅｂａｓｅｄ ｒｅａｓｏｎｉｎｇｓｙｓｔｅｍ，ｕｔｉｌｉｚｉｎｇｏｒｄｅｒｒｅｌａｔｉｏｎｔｈｅｏｒｙ．Ｔｈｅｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅｍｅｎｔｓｏｆｉｎｃｏｍｐｌｅｔｅｉｎｆｏｒｍａｔｉｏｎａｔｔｒｉｂｕｔｅｓ，ｉｎｃｌｕｄｉｎｇｃｒｉｓｐｓｙｍｂｏｌ， ｃｒｉｓｐｄａｔａ，ｉｎｔｅｒｖａｌｎｕｍｂｅｒａｎｄｆｕｚｚｙｌｉｎｇｕｉｓｔｉｃ，ｈａｓｂｅｅｎｒｅｓｐｅｃｔｉｖｅｌｙｓｔｕｄｉｅｄ．Ｔｈｅｎ，ｔｈｅｓｉｍｉｌａｒｉｔｙｍａｔｒｉｘｂｅｔｗｅｅｎｔａｒｇｅｔｃａｓｅａｎｄｈｉｓｔｏｒｉｃａｌ ｃａｓｅｉｓｃａｌｃｕｌａｔｅｄ．Ｏｎｔｈｅｂａｓｉｓｏｆｔｈｉｓ，ａｎｉｎｔｅｇｒａｔｅｓｏｒｔｉｎｇａｌｇｏｒｉｔｈｍｉｓｄｅｓｉｇｎｅｄｆｏｒｅａｃｈａｔｔｒｉｂｕｔｅｉｎｓｉｍｉｌａｒｉｔｙｍａｔｒｉｘｉｎｏｒｄｅｒｔｏｇｅｔｔｈｅｍｏｓｔ ｓｉｍｉｌａｒｈｉｓｔｏｒｉｃａｌｃａｓｅ．ＴｈｅｔｅｓｔｒｅｓｕｌｔｓｏｎｉｎｃｏｍｐｌｅｔｅｄａｔａｓｅｔｓｏｆｔｈｅＵＣＩｓｈｏｗｔｈａｔｔｈｅａｃｃｕｒａｃｙｒａｔｅａｎｄｅｆｆｉｃｉｅｎｃｙｏｆＯＲＣＢＲｍｅｔｈｏｄａｒｅ ｏｂｖｉｏｕｓｌｙｈｉｇｈｅｒｔｈａｎｏｔｈｅｒｃｌａｓｓｉｃａｌａｌｇｏｒｉｔｈｍｓ，ｓｏｌｖｉｎｇｔｈｅｐｒｏｂｌｅｍｏｆｉｎｃｏｍｐｌｅｔｅｉｎｆｏｒｍａｔｉｏｎｄａｔａｓｅｔｓｉｎｃａｓｅｂａｓｅｄｒｅａｓｏｎｉｎｇｓｙｓｔｅｍ． Ｋｅｙｗｏｒｄｓ　　Ｏｒｄｅｒｉｎｇｒｅｌａｔｉｏｎ　Ｉｎｃｏｍｐｌｅｔｅｉｎｆｏｒｍａｔｉｏｎ　Ｃａｓｅｂａｓｅｄｒｅａｓｏｎｉｎｇ　Ｅｎｓｅｍｂｌｅｍｅｔｈｏｄ 值［２］。Ｅｎｎｅｔｔ等提出了集成了人工神经网络和案例推理两种方 ０　引　言 法，并用相关数据来解决缺失数值的问题［３］。Ｖｏｒｏｂｉｅｖａ等用案 例推理方法来处理缺失数据，通过案例中的规则和公式来恢复 随着大数据时代的来临，人们对数据及其分析结果的可