災害救助推理機制的設計與實現(xiàn).pdf

1、案例推理(Case-Based Reasoning，簡稱CBR)是人工智能領域中較新崛起的一種重要的基于知識的問題求解和學習方法，以其獨特的推理風格和成功的應用，向人們展示了很強的生命力，在國際人工智能領域引起了廣泛的興趣。基于案例的推理可以理解為利用過去的案例和經(jīng)驗來解決新問題的一種方法，它可以看作是從一個案例到另一個案例的類比推理，然后嘗試著修改它們的解決方案以適應當前的新案例。在國家減災委“環(huán)境與災害監(jiān)測預報小衛(wèi)星星座減災應用系統(tǒng)

2、工程”項目以及國家科技支撐計劃子課題“災害應急決策支持與遠程會商協(xié)同技術研究”(2008BAK49805)的支持下，本文圍繞該課題的核心內(nèi)容之一，災害救助推理機制開展研究。 本文對案例推理中的相關技術進行了詳細介紹。如依次介紹了案例表示的相關知識及一種面向對象的表示方法；案例庫組織索引的目標、原則；案例調(diào)整知識的獲取、調(diào)整方法的分類及一個轉換式調(diào)整模型；新案例的評估方法及案例庫的學習與維護等。 本文提出了迭代自組織聚類進

3、行組織索引的方法，對案例庫中的案例進行聚類，將各個典型案例歸為每一類中形成子案例庫，以類中心作為對該類案例的索引。這種索引可以減少了案例的檢索范圍，很大程度地提高了檢索效率。 本文采用了迭代自組織聚類和最近鄰法相結合的兩級檢索法，避免了檢索案例時對案例庫中的所有案例進行比較，使系統(tǒng)的運行效率有所改觀。同時提出了基于遺傳算法的CBR檢索機制的屬性權重確定方法，將遺傳算法引入基于CBR的推理系統(tǒng)，對案例的特征權值向量進行全局尋優(yōu)，以