（计算机系统结构专业论文）案例推理在决策支持系统中的应用研究.pdf

案例推理在决策支持系统中的应用研究 摘要 案例推理是人工智能领域中一种重要的问题求解方法，以其独特的推理风 格和成功的应用，向人们展示了很强的生命力，在国际人工智能领域引起了广 泛的兴趣。案例推理可以理解为利用过去的案例和经验来解决新问题的一种方 法，可以被看作是从一个案例到另一个案例的类比推理。 随着计算机技术的不断发展，利用计算机进行辅助决策已经成为一种趋 势。本文从决策支持系统中案例推理模块设计的角度出发，围绕案例推理中的 案例表示、案例库组织、案例检索等关键技术问题展开研究。 本文的主要工作如下： ( 1 ) 在介绍案例推理的起源、发展和研究状况的基础上，详细论述了案例 推理的基本方法、系统框架和关键技术。 ( 2 ) 针对特定领域的复杂时态案例与案例库的设计问题，采用框架法作为 基本的案例表示方法，并结合时间属性来描述案例；利用相关性分析法和主成 分分析法来筛选和精炼案例的特征属性，可在保留案例关键信息的前提下降低 案例库的规模。 ( 3 ) 为提高案例检索的效率，设计了先利用归纳索引法快速缩小搜索空间， 然后结合最近邻法来搜索最相似案例的混合检索方法，提出了一种基于信息熵 的权重组合方法，以更好地解决案例检索时，案例属性的权重设置问题，并加 以实验验证。 ( 4 ) 最后，研究了救灾决策支持系统中案例推理模块的实现问题。 关键词：案例推理，决策支持系统，案例库，案例检索，信息熵，组合权重 r e s e a r c ho nc a s e - ba s e dr e a s o n i n gi nd e c i s i o ns u p p o r t s y s t e m a bs t r a c t c a s e - b a s e dr e a s o n i n g ( c b r ) i sa ni m p o r t a n tm e t h o di ns o l v i n gp r o b l e mi nt h e a r e ao fa r t i f i c i a l i n t e l l i g e n c e ，i t s h o w sg r e a tv i t a l i t yb e c a u s eo fi t s s p e c i a l r e a s o n i n gs t y l ea n ds u c c e s sa p p l i c a t i o n ，m o r ea n dm o r ep e o p l es h o ww i d er a n g eo f i n t e r e s tt oc b r c b rc a nb eu n d e r s t o o da sam e t h o do f u s i n gt h ep a s tc a s e sa n d e x p e r i e n c et os o l v en e wp r o b l e m s ，i ta l s oc a nb ec o n s i d e r e da sa na n a l o g yi n f e r e n c e f r o mo n ec a s et oa n o t h e ro n e w i t ht h ed e v e l o p m e n to fc o m p u t e rs c i e n c e ，u s i n gt h ec o m p u t e rf o rd e c i s i o n s u p p o r ti sb e c o m i n gat r e n d i nt h ev i e wo fd e s i g n i n gt h em o d u l eo fc b ri n d e c i s i o ns u p p o r ts y s t e m ( d s s ) ，t h i sd i s s e r t a t i o nr e s e a r c h e dt h ek e yt e c h n o l o g yo f c b rs u c ha sc a s er e p r e s e n t a t i o n ，c a s e b a s e ，c a s er e t r i e v a l t h em a i nc o n t e n t sa r ei nb r i e fa sf o l l o w i n g ： ( 1 ) o nt h eb a s i so ft h ei n t r o d u c t i o nt ot h eo r i g i n s ，d e v e l o p m e n ta n dr e s e a r c h s t a t u so fc b r ，t h eb a s i cm e t h o d ，s y s t e mf r a m e w o r ka n dt h ek e yt e c h n o l o g yo fc b r a r ed i s c u s s e di nd e t a i li nt h i sd i s s e r t a t i o n ( 2 ) a c c o r d i n gt ot h ep r o b l e mo fd e s i g n i n gt h ec o m p l i c a t e dt e m p o r a lc a s e sa n d e a s e b a s ei ns o m es p e c i f i ca r e a s b a s e do nu s i n gf r a m e w o r ka st h eb a s i cm e t h o df o r r e p r e s e n t i n gc a s e ，w ed e s c r i b e dt h ec a s ew i t ht h ea t t r i b u t eo ft i m e ；i tc a nr e d u c et h e c a s eb a s e ss i z ei nt h ec o n d i t i o no fm a i n t a i nt h ec r u c i a li n f o r m a t i o no fc a s e sb y u s i n gc o r r e c t i o na n a l y s i st os e l e c tf e a t u r ea t t r i b u t ea n dp r i n c i p a lc o m p o n e n t s a n a l y s i st or e b u i l df e a t u r ea t t r i b u t e ( 3 ) f o rt h ep u r p o s eo fr a i s i n gt h ee f f i c i e n c yo fc a s er e t r i e v e ，f i r s t l yi n d u c t i o n i n d e xm e t h o di su s e df o rr e d u c i n gt h es e a r c h i n gs p a c e ，a n dt h e nn e a r e s tn e i g h b o r m e t h o di su s e df o rs e a r c h i n gt h em o s ts i m i l a rc a s e i no r d e rt os o l v i n gt h ep r o b l e m o fs e t t i n gt h ef e a t u r ew e i g h tw h e nc a s ei sr e t r i e v e d ，ac o m b i n e dm e t h o df o rs e t t i n g f e a t u r ew e i g h tb a s e do ne n t r o p yw a s p r o p o s e di nt h i sd i s s e r t a t i o n t h em e t h o d s v a l i d i t yi st e s t i f i e db ye x p e r i m e n t ( 4 ) t h ei m p l e m e n t a t i o no fc b rm o d u l ei nd i s a s t e rr e s c u ed e c i s i o ns u p p o r t s y s t e mw a ss t u d i e df i n a l l y k e yw o r d s ：c a s e - b a s e dr e a s o n i n g ，d s s ，e a s e b a s e ，c a s er e t r i e v a l ，e n t r o p y ， c o m b i n e dw e i g h t u 插图清单 图2 1 案例推理系统框架9 图3 1 框架表示图一1 5 图3 2 属性相关性1 7 图4 。1 案例检索策略2 2 图4 2 归一化函数曲线图3 0 图4 3 相似度对比3 3 图5 1 救灾决策支持系统结构3 4 图5 2 案例推理与规则推理相结合的推理流程3 5 图5 3 系统决策流程3 6 v i 表格清单 表3 1 案例组织1 4 表3 2 部分洪涝案例1 7 表3 3 方差贡献率和累积方差贡献率1 9 表3 4 因子荷载阵1 9 表3 5 特征向量矩阵1 9 表4 1 归纳索引法与最近邻法对比分析2 l 表4 2 训练数据集3 2 v i l 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所 知，除了文中特别加以标志和致谢的地方外，论文中不包含其他入已经发表或撰写过的研究成果， 也不包含为获得一金熙王些太堂 或其他教育机构的学位或证书而使用过的材料。与我一同工作 的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签字： 碜：碡冲 签字日期：纠。年年月歹、日 学位论文版权使用授权书 本学位论文作者完全了解金胆王些态堂有关保留、使用学位论文的规定，有权保留并向 国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅或借阅。本人授权盒目曼王些态 堂可以将学位论文的全部或部分论文内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文者签名砂呻渖 导师签名： 签字日期：列a 年辟月；。臼签字日期：玉l 砗峭日 学位论文作者毕业后去向： 工作单位： 通讯地址： 电话： 邮编： 致谢 首先衷心感谢我的导师田卫东老师在整个论文阶段给予的悉心指导和帮 助。在他的引领下，我走入了数据挖掘与人工智能领域的殿堂，在他的带领下， 开始了决策支持系统的应用于研究工作。田老师在学业上给予我的细心指导和 无私关怀，为我创造了良好的工作和学习环境，使我在理论和实践两个方面都 得到了良好的锻炼。没有田老师付出的辛勤劳动，本论文是不可能完成的。田 卫东老师严谨的治学态度和谆谆教诲给我留下了深刻的印象，使我终身难忘。 同时，深深地感谢人工智能与数据挖掘研究室的胡学钢教授在我积累资料 和开展课题方面给予的启发，并为我的研究工作提出了许多中肯、宝贵的意见。 感谢已毕业的师兄姜海辉、刘乐乐、张洁，感谢研究室的祖永亮、刘晓光、熊 德景、戚围等同学给予的各方面的帮助。 对合肥工业大学研究生部及计算机与信息学院的王新生老师、曹航老师、 徐静老师和各位院系领导在我攻读硕士期间给予的帮助与支持表示深深的谢 意。 非常感谢我的家人对我的支持和鼓励，你们的爱是我最大的动力。 最后，向所有关心、帮助和支持我的朋友们表示感谢。 h i 作者：王津津 2 0 1 0 年3 月3 1 日 1 1 论文的背景与意义 第一章绪论 案例推理是一种模仿人类思路来解决问题的方法。它可以直接将旧问题的 解决办法作为新问题的解决方法，无须预先存储先验知识，消除了一般知识系 统中知识难以获取的难题，使得案例推理设计和实现非常容易，在实际系统中 应用非常广泛。关于案例推理的研究是当前人工智能领域的研究热点之一。 传统意义上的推理是指将推理定义为借助规则链推导出结论的一个过程， 大部分的专家系统使用的就是这种基于规则的推理方法。而案例推理使用的却 是截然不同的方法，它使用的主要知识是案例而不是规则，即通过案例( 或称 实例知识) 来描述问题的领域知识，可以弥补领域规则知识不全的缺陷，特别 适用于己存在海量历史数据的系统。案例推理过程本质上可以看作是从一个案 例知识到另一个新案例知识的类比推理过程。 在科学技术不断发展的今天，借助计算机软件辅助决策已经成为必然趋势， 决策支持系统可以帮助人们科学、准确、快速地做出决策，而且不需要决策者 具备很多的专业领域知识。由于案例推理方法能较好地模拟人类的认知过程， 运用c b r 可以使决策行为更具说服力。目前，案例推理方法在辅助决策中的应 用已经成为研究的热点。 我国地域辽阔，天气变化万千，自然灾害每年都会给我国带来巨大的经济 损失，随着我国对防灾救灾的投入日益加大，利用计算机智能技术建设决策支 持系统也是防灾救灾的重要内容。将案例推理技术引入到救灾决策支持系统中 已有先例，但是其中也存在着一些问题，比如，在数据库建设方面，对于包含 时态信息的案例如何进行有效的组织：在案例检索方面，大部分的系统都是采 用最近邻法作为检索策略，这种方法在数据库规模增大时，检索代价将会成倍 增长，在特征项的权值设置上，专家赋权仍是主流，但这种方法在实际应用中 有着较大的主观性。所以，结合特定的领域知识，研究案例推理如何更好地应 用于决策支持系统是颇具意义的。 1 2 案例推理 1 2 1 案例推理的起源与发展 案例推理是人工智能领域中的一种重要的问题求解方法，它以其独特的推 理风格和成功的应用，向人们展示了它强大的生命力。1 9 8 2 年，s c h a n k 在 d y n a m i cm e m o r y 中提出的以记忆组织包( m e m o r yo r g a n i z a t i o np a c k e t s ) 为核心 的动态记忆理论，被认为是人工智能领域最早的关于c b r 的思想【1 1 。 1 9 8 3 年，j a n e tk o l o d n e r 领导开发了第一个案例推理系统一一c y r u s ，首 次实现了s c h a n k 著作中的许多思想。在c y r u s 的案例记忆模型基础上，耶鲁 大学、佐治亚工学院和麻省理工大学的研究人员在法律、烹调和医药等领域中 又建造了一些c b r 系统。早期的代表性c b r 系统还包括，奥斯汀- 德克萨斯大 学的b r u c ep o r t e r 和他的小组提出了基于典型案例的概念表示，以处理分类任 务的概念学习问题，并开发出p r o t o s 系统。麻省理工大学的e d i w i n ar i s s l a n d 和她的小组于1 9 8 3 年将c b r 技术引入法律领域，开发了基于c b r 与r b r 的 c a b a r e t 系统。 欧洲的c b r 研究比美国起步稍晚，1 9 9 1 年德国召开了第一届德国c b r 专 题研讨会，以后一年一次。从1 9 9 5 年开始，英国也每年召开一次。欧洲队c b r 的主要兴趣集中在专家系统的开发和知识获取研究上。欧洲c b r 初期的研究多 集中在复杂故障诊断，如m o l t k e 系统；e n r i cp l a z a 等人开发了一个用于医疗 诊断的c b r 系统。其它的如基于案例的规划系统c a p l a n t 2 1 、基于案例的医疗 诊断学习系统【3 】和基于案例的专家系统开发工具r b c s h e l l 4 】等都是c b r 发展 早期的成果。 上世纪9 0 年代，c b r 的研究和应用开发在日本、中国和印度等亚洲地区 也开始得到重视并快速发展。其中中国具有代表人物是中科院计算所智能信息 处理重点实验室的史忠植，他在案例推理方面进行了一系列的研究，提出用于 案例表示的记忆网模型。 随着国际上对案例推理的研究越来越多，案例推理的应用已经深入到社会 活动的各个领域，如医疗诊断、辅助决策、法律案件、电子商务、规划设计等 等。随着案例推理的不断发展，还将有更多的应用领域有待开发，案例推理作 为人工智能的一种方法，必将对人类社会的发展做出重大贡献。 1 2 2 案例推理的国内外研究现状 关于案例推理的研究主要分为两个方面，一方面是从基础理论出发进行研 究，另一方面在实际应用中的研究。 ( 1 ) 案例推理在理论上的研究重点主要包括案例表示、案例检索以及案例修 正。 在案例推理的知识表示方面，国内外学者都进行了相关研究。德国柏林大 学的d o y l e 等提出了一个基于x m l 的案例推理语言一c b b i l ，用来表示案例崎。基 于x m l 的案例表示有着知识表示简单，通用性强，表达能力灵活等优点。 国内方面，曾文、黄玉基提出的一种包括了概念层、次概念层、过程层以 及结论层的四层案例表示法1 。王悦、范君晖、田书格他们分析了案例推理中 案例结构的描述方法以及它们在推理中所面临的问题，提出了一种基于模拟和 面向问题的两种案例结构表达共同使用为基础的案例表示方法h 1 。周凯波等结 2 合x m l 于面向对象技术，提出了一种面向对象的案例表示方法明1 。 案例检索方面是案例推理的核心部分，关于这方面的研究一直是国内外学 者的研究重点。案例检索的方法大致上有三种：最近邻法、归纳索引以及知识 导引。从实际应用角度出发，有学者提出了一些基于具体领域的新的方法，如： 赵卫东、李旗号叩3 ，m a n 他们在案例检索前，先对案例进行聚类分析，将相似 的案例分类，大大提高检索的效率；骆敏舟1 、孟妍妮等n 2 3 研究了基于神经网 络的案例检索模型；w a n g n3 1 在神经网络的基础上，结合了粗糙集理论的知识， 提出了种快速案例检索的模型；王东、刘怀亮n 4 1 将模糊逻辑引入案例推理中， 提出一种基于灰色关联论和模糊集的相似度计算方法：周凯波n5 1 、秦玉平n 盯 对不同数据类型的案例属性之间的相似度进行了研究，针对几种不同区间类型 的数据，给出了它们的相似度计算办法。 此外，关于案例检索时，特征权值的设置问题也是各个学者所关心的。任 海涛、李茹订在基于粗糙集理论的基础上，提出了一种特征权重自学习的方法； 蒋占四，陈立平，罗年猛n 引采用了相似度离差信息的方法，通过求实例之间的各 个属性的相似度离差平方和的最小值，来计算各属性的权值。z h a n g n 们等利用 神经网络来训练权重。e z i o 婵叫中根据检索出的案例，它对目标案例的适应程 度提出一种p u s h 和p u l l 的方法来调整特征项权重。g a r e t hrr m 等将遗传算法引 入到案例特征权重的获取上，贾兆红、陈华平乜2 1 对遗传算法进行改进，提出一 种改进的遗传算法发现权重的技术。 案例调整也是案例推理中的一个难点，常春光晗3 1 从模糊理论的基础出发， 设计了案例调整算法，并给出了一个通用的案例调整框架。段军，戴居丰涩们对 如何进行案例修正也进行了研究，提出并实现了一种基于广义算子模型的相似 案例调整方法，该方法用广义算子模型转换一个旧案例成为与新案例完全相同 的案例，从而得到问题的解。 ( 2 ) 案例推理在应用中的研究 案例推理的另一方面研究是在实际应用中，例如，在决策支持领域有很多 成功的经验。a l b e r ta a n g e g r n 等心钉首先研究了基于案例推理的决策支持系统， 研究了案例推理在决策支持系统中的应用。汪季玉等人乜6 1 给出了基于案例推理 的应急决策与应急决策支持系统的理论体系框架；z h a n g 等人心利给出了集成了 案例推理的灾难救助辅助决策支持的理论知识管理框架：刘烯n 町把案例推理方 法应用到城市火灾事故的决策指挥中进行探讨。石浩心钉等人研究了城市突发事 件的决策系统，开发了基于案例推理的城市突发事件应急救援指挥系统。 f r i c c i 等人从如何利用案例推理的方法指定森林火灾救援计划的角度进行 了研究：姜丽红、陈德华1 研究了公安突发案件时的决策支持系统。廖振良， 刘宴辉等23 将基于案例推理的人工智能技术引入到突发性环境污染事件应急 预案系统的设计中，设计了案例推理系统e e r p s 的结构和功能模块。张英菊、 3 仲秋雁等人口3 3 在分析了应急案例特征的基础上，提出了一种基于概念书一突发 事件本体模型一事件元模型三层架构的应急案例通用的案例描述与组织方法。 1 2 3 案例推理的发展趋势 ( 1 ) 案例推理与其他推理技术如规则推理、模型推理或d - s 推理方法的结合， 多种推理方法结合推理是推理技术的发展趋势，它可以最大限度地降低单一推 理方法的弱点，另一方面，可以增强整个系统的推理能力。 ( 2 ) 案例推理与w e b 技术的结合，i n t e r n e t 的飞速发展，为案例推理与w e b 的结合提供了基础，今后关于在网络上的案例分析、案例获取以及利用网络资 源对案例进行调整都是案例推理的研究方向之一。 ( 3 ) 将各种软计算方法如粗糙集、神经网络、遗传算法、模糊逻辑等方法运 用到案例推理的各个部分中去，如在案例相似度计算时引入模糊数学的方法， 在案例特征权重的获取上采用神经网络或遗传算法等，今后，这方面的研究也 是案例推理系统的热点之一。 ( 4 ) 分布式推理的发展，与a g e n t 技术的融合，基于多a g e n t 的案例推理系 统，每个a g e n t 有一个本地案例库，多个a g e n t 合作共同解决复杂问题，这也 将是案例推理与分布式计算技术相结合的未来发展道路。 1 3 决策支持系统 1 3 1 决策支持系统 在2 0 世纪7 0 年代中期，斯科特嗅顿最先提出决策支持系统( d s s ，d e c i s i o n s u p p o r ts y s t e m ) 的概念，他将d s s 定义为“交互的计算机系统，能够帮助决策 者使用数据和模型解决非结构化问题 ( g o r r ya n ds c o t tm o r t o n ，1 9 7 1 ) 。另一个 经典的关于d s s 的定于是基恩和莫顿与1 9 7 8 年年提出的：决策支持系统将个 人的智能和计算机的能力相结合以提升决策质量，是一种帮助管理者解决半结 构化问题的计算机系统p 引。 决策支持系统是在管理科学、计算机科学和数学的基础上发展起来的，其 主要特征如下| 3 5 1 ： ( 1 ) 关注上层管理人员经常遇到的结构化程度不高、未明确规范的问题； ( 2 ) 把模型或分析技术与传统的数据存取技术及检索技术结合起来，系统中 一般包括各种模型，各种类型的数据库； ( 3 ) 易于为非计算机专业人员，以交互会话的方式使用，即决策支持系统是 用来支持决策而不是替人决策，它只是提供一个辅助； ( 4 ) 强调对环境及用户决策方法改变的灵活性及适应性； ( 5 ) d s s 能为组织提供决策的良好效果，即能帮助决策者作出正确决策，使 4 组织提高经济利益。 1 3 。2 救灾决策支持系统 救灾决策支持系统是决策支持系统的个应用分支，针对自然灾害领域， 为发生灾害时能提供迅速、准确的决策支持。在水利行业的防灾救灾中，欧盟 几国和美国联合开发的集成的河流洪水管理空间决策支持系统( a n f a s ) 集数据 库、数学模型、地理信息系统( g i s ，g e o g r a p h i ci n f o r m a t i o ns y s t e m ) 和遥感( r s ， r e m o t es e n s i n g ) 等技术；结构包括空间数据库管理、模拟模型、灾情评估、决 策规划以及系统用户界面等模块，试图建成一个空间分布式的长期洪水应急决 策支持系统。 国内方面，已经建立起相当多的救灾决策支持系统。史忠植等首先提出 g e i s ( g r i db a s e de m e r g e n c yi n t e r a c ts y s t e m ) ，它是一个基于网格主体和通信系 统将治安、消防、医疗事故、交通、自然灾害等突发事件的应急反映与综合服 务平台，为城市快速处理公共事务提供安全保障。 在自然灾害领域，重庆市人民政府联合西南师范大学共同研究了重庆市自 然灾害管理综合信息系统，其中包括了决策支持模块，将自然灾害、远程通信、 应用分析以及决策支持等模块连接在一起，集成在g i s 平台上。 中国气象科学研究院的李神君、王春乙对低温冷冻领域的决策支持系统做 了深入研究，以东北的实情为依托，提出东北低温冷害防御决策支持系统的概 念模型，将农业气象灾害的防灾救灾成果同人工智能技术结合。在地震领域的 决策支持系统研究就更多，如管友海、王素珍设计和开发了基于空间决策支持 技术的城市地震应急指挥决策系统等。 此外，相关的救灾决策支持系统还有很多，但是仔细分析发现，这些系统 大多都是将r s 、g i s 以及g p s ( g l o b a lp o s i t i o n i n gs y s t e m ) 等技术集合在一起， 构成一个功能强大的信息平台，这类系统没有自学习的能力，且往往需要对领 域非常了解的人才能参与决策。 1 3 3 决策支持系统中推理方法综述 ( 1 ) 基于人工神经网络的推理方法 人工神经网络是由大量神经元通过及其丰富和完善的联结而构成的自适 应非线性动态系统。它以较强的容错性、鲁棒性以及广泛的自学习能力逐渐成 为推理领域的一个重要方法【36 1 。基于人工神经网络的诊断推理的执行分为两个 过程：训练过程和诊断过程。 但这种方法也存在着缺陷：它是类似“黑箱”式的实现过程，不能对所提 供的结论做出解释和证明，并且它的学习周期较长，收敛速度较慢，缺乏有效 的追加学习能力。通常来说，神经网络技术不是单独作为一种推理方法应用于 实际中，经常是将神经网络与其他的推理方法结合进行推理。 ( 2 ) 基于规则的推理方法 基于规则的推理( r b r ，r u l e b a s e dr e a s o n i n g ) 主要是根据领域专家的启发 式经验知识，知识通常采用i f t h e n 规则形式表示。基于规则推理包括由前件 到后件的正向推理和由后件到前件的反向推理，推理时，根据相应规则，可快 速的得到推理结果。 该技术的特点在于它极强的演绎推理能力，符合人们解决般问题时的推 导思路，其不足之处在于推理须建立在已有完备知识超图的基础上，基于规则 的推理方法关键在于规则知识的获取。 ( 3 ) 案例推理方法 案例推理【37 】以历史案例为核心，利用人们以往求解类似问题的经验和知识 进行推理，从而获得当前问题求解结果的一种推理模式。一个案例推理系统将 过去的经验表示成为案例的形式存放在数据库中。当新的问题出现时，系统便 在案例库中检索相似的案例，对它们进行综合和调整来产生一个结果。问题成 功解决后，根据此问题和它的解决方法创建一个新的案例并加入到案例库中， 以便后来的学习利用，这种方法体现了人类在解决相似问题时的思维过程，直 观而行之有效。 基于规则推理的专家系统技术在一些诊断推理决策中的得到广泛应用，但 是知识的获取这一瓶颈问题已经严重阻碍了决策支持系统的进一步发展。在决 策支持系统中决策任务是一个非常复杂的不良结构问题，如在救灾领域中，很 难建立起精确的、完整的系统模型。而案例推理技术正是为解决这一问题应运 而生的，虽然案例推理与规则推理都是基于经验知识来解决问题，但是它们解 决问题的方式却完全不同，规则推理需要建立一整套的规则知识，而案例推理 只需要相关领域以前解决问题的具体记录。因此，案例推理系统的知识获取工 作比规则推理的要容易很多，将案例推理技术应用到决策支持系统中，可以增 强决策支持系统的决策能力，可以迅速、准确地为用户提供决策支持。 1 4 论文的研究内容 本论文首先简单介绍论文的背景以及选题的意义，接着综合阐述了案例推 理起源与发展、案例推理的特点和关键技术，并结合特定领域的知识特点，研 究如何在决策支持系统中更合理地运用案例推理技术。研究范围包括了如下内 容： ( 1 ) 案例库构建研究，在案例组织上，研究了带时态信息的案例组织方法。 ( 2 ) 针对案例内部以及案例间的联系紧密的情况，归纳总结出一个合理的案 例描述方法，提出采用框架法来描述案例，另外对案例属性进行优化选择，减 少案例库的冗余程度。 6 ( 3 ) 在分析案例检索方法的基础上，研究了案例检索的模型以及检索方法中 的关键部分。 ( 4 ) 研究了案例推理在救灾决策支持系统中的应用。 1 5 论文的结构安排 本文的组织安排如下： 第一章，阐述了论文的背景与研究意义，简要介绍相关的领域知识。同时， 对本文要研究的内容和拟解决的问题进行叙述，最后，给出本文的结构安排。 第二章，对案例推理的概述，阐述案例推理的原理及特点等。重点介绍了 案例的表示、案例的检索与匹配、案例的调整以及案例的学习等技术。 第三章，研究了带时态信息的案例库的构建，并结合特定领域案例的特点， 采用框架法表示案例，并对案例的属性进行了优化选择。 第四章，对案例检索方法进行研究，为了减少案例检索的代价，研究了一 种基于归纳索引法与最近邻法相结合的案例检索策略，并对案例特征属性权值 做了深入研究。 第五章，简要介绍了案例推理在救灾决策系统中的应用。 第六章，对整个论文进行总结，总结本文的研究成果，并提出一些尚未很 好解决的问题，最后，展望下一步研究内容。 7 第二章案例推理 案例推理是人工智能领域中一种重要的推理方法，本章详细介绍了案例推 理的原理、案例推理系统的框架以及案例推理的特点。在此基础上，介绍了案 例推理的关键技术，包括案例表示、案例匹配、案例修正、案例学习。 2 1 案例推理的基本内容 推理常常需要涉及到很多领域专业知识，一般的推理方法需要完备的领域 知识，案例推理是一种应用先前相似案例的解决方案来解决新问题的方法，这 种方法是直接模拟人类求解未知问题时的思路，这种方法在推理时需要的知识 仅是以往的历史案例。 2 1 1 案例推理的原理 案例推理来源于人类解决问题的一种常用方式，即人类能利用以前积累的 经验和知识解决现存的问题。所以，案例推理成立是基于以下两个假设的： 相同或相似的问题有相同或相似的解法； 相同或相似的情况会重复发生口引。 案例推理的原理是大家所公认的w a t s o n 方法论引，案例推理和传统的推 理方法不同，我们在使用案例推理时不需要知道问题的解决办法，只需要收集 过去相同或类似的例子，并且不需要完整的领域知识。 使用案例推理时，必然有以下几个步骤：检索( r e t r i e v e ) 、匹配( r e u s e ) 、 调整( r e v i s e ) 、学习( r e t a i n ) 。 ( 1 ) 检索：从历史案例库中检索出与当前问题案例最相似的案例。 ( 2 ) 匹配：运用相似案例的解决方法来处理当前问题，它是案例推理的目标。 ( 3 ) 调整：如果历史案例的解不完全符合当前问题，需要对历史案例的解进 行调整，修正解决问题的办法。 ( 4 ) 学习：修正后的案例保存到数据库中成为新的案例，供以后推理使用。 2 1 2 案例推理系统的框架 案例推理有案例检索、案例匹配、案例调整、案例学习四个步骤。案例推 理系统的数据库包括含索引库、案例库和模型库，数据库是案例推理系统的基 础，是案例推理系统必不可少的组成部分。案例推理系统在推理过程中，通过 索引库快速确定搜索空间，通过从模型库中调用不同的模型来进行推理计算。 一个案例推理系统的工作框架大致如图2 1 。 8 2 1 3 案例推理的优势特点 图2 - 1 案例推理系统框架 推理需要知识，不同的推理方法需要的知识是不同的，案例推理需要 的是历史经验，基于规则推理的则是领域专业知识。在某些领域中，规则 知识难以获取，或者没有规则，如故障诊断领域，这时规则推理就失去作 用。在一些没有成熟规则知识的领域，开发决策支持系统有一定的难度， 案例推理的方法在这些领域得到较为广泛的应用。 与基于规则的推理方法相比，案例推理具有以下优点： ( 1 ) 案例推理系统的知识是过去发生过的案例，知识比较容易获取，可 以建立较为丰富的知识，适用于没有模型的领域。 ( 2 ) 案例推理系统是从案例库中检索出相似案例，推理方法简单，实 现起来简单明了。 ( 3 ) 因为案例库可以不断增长，所以即使仅有少量案例，案例推理系 统也可以运行。 ( 4 ) 案例推理系统具有学习能力，在推理失败时，通过手动加入规则 或者通过自学习获得规则，案例推理系统会总结失败经验，提高以后的推 理能力。 2 2 案例表示 案例表示是指如何抽取求解问题的特征以及特征间的关系，并且存入数据 库中，为推理提供基础条件。对于不同的问题，其表示也是各不相同，一个合 理的案例表示不仅会使问题变得容易求解，而且还有较高的求解效率。 要表示一个案例，首先要确定什么是案例，它包含哪些内容? r b a r l e t t a 认为案例就是导致特定结果的一系列特征。例如一个病例，它包括病人的病症 9 表现，而且也包括了诊断结果以及如何医治的方法。案例一般由如下三个主要 部分组成： ( 1 ) 问题或情景描述：案例发生时要解决的问题及其他周边的信息。 ( 2 ) 解决方案：对问题的解决方案。 ( 3 ) 结果：执行解决方案后导致的结果。 其中，案例库中问题的描述和解决的方案是必不可少的部分，它们是案例 表示的核心部分。问题的描述部分主要用于案例的分类标识，案例相似性匹配， 而解决方案就是采用什么样的方法解决了当前的问题，结果部分就是此方案用 到此问题上的效果怎样，还有哪些不足的地方等。 2 3 案例检索与匹配 案例检索就是从案例库中查找和搜索出与当前问题相类似的案例，然后用 这些相类似的案例中的解决问题的方法来指导当前问题的解决。案例推理中的 检索方法分为串行和并行两种策略。串行检索中，案例一般是以决策树的形式 组织的，检索时采用一种自顶向下逐层匹配的方式，最终在树的叶子节点处得 到相似程度最高的一个案例或一组案例；并行检索策略则是同时检索多个案例， 最终返回一个相似程度最高的案例。 在案例推理中，案例匹配通常与案例检索合为一起进行的，通过案例检索， 找出与目标案例最相似的一个或多个案例。推理时，事先设定一个相似度阈值， 相似度大于阈值的案例被抽取出来，进行相应的评价后决定选择哪个案例作为 最佳匹配案例。案例检索的方法主要包括三种：知识导引法、归纳索引法以及 最近邻法。 ( 1 ) 知识导引法： 知识导引法是将领域知识应用到每一个旧案例中，以此来决定在案例检索 中哪个属性是最重要的，它适用于提供了完整领域知识的系统中，此时它可以 保证案例库以及系统的稳定性，不会因为新案例的加入而导致案例库的变化， 但是这种方法不能将领域知识转变成规则知识，所以，在很多系统中都是将这 种方法与其他的检索方法结合起来使用。 ( 2 ) 归纳索引法 归纳索引法是基于决策树实现的一种检索方法，检索时采用由上而下，逐 层搜索的策略，随着搜索的深入，案例与问题描述之间的相似程度越来越高， 最后在叶子结点处找到问题的答案。 q u i n i a n 于1 9 7 9 年提出的i d 3 算法用于从一组无序、无规则的案例中推理 出决策树表示形式n 引。它以实例为训练集，以决策树的形式建立分类规则。这 些训练集满足以下特点：各类是互相排斥的；没有干扰，即每个训练集都 是正确的；每个训练案例都是唯一地属于某一类；没有重复的训练例； 1 0 属性值是离散的；训练的集合是完整的，即包括了属性一值对的所有可能的组 合。i d 3 采用的是自顶向下的递归方式，在决策树的内部节点上利用三级比较 法进行属性值的比较并且根据属性值的不同判断从该节点向下的分支，进而在 决策树的叶子节点得出结论，它引入了信息论中的信息增益作为特征判断能力 的衡量标准，算法首先找出最有判别力的因素，将数据分为多个子集；然后在 每个子集当中再次选择其中自有判别力的元素进行数据划分，直至所有的子集 仅包含同一类型的数据为止，最后得到一个决策树。基于决策树学习算法的最 大的一个优点就是其在推理过程中使用者不必掌握很多的背景知识，只要用于 训练的历史案例能够用属性一结论式的方式描述出来，就能够使用该种算法来 进行学习和推理。 ( 3 ) 最近邻法 最近邻法是案例推理系统中应用最广泛，也是最简单的一种相似算法了， 它适用于简单的基于属性的案例表示方法。这种方法通过计算目标案例与源案 例之间各个属性之间的相似度，经过综合得到两个案例的整体相似度。 最简单的最近邻法法采用加权平均的方法，将所有的属性的相似度经过加 权求和之后就能得到两个案例之间的相似度。设一个案例c 有m 个属性，它表 示成为：c = c 1 ，c 2 ，c m ，其中c 。表示案例c 的第m 个属性值。假设给定一个 目标案例x ，它的1 1 1 个属性的值为：x = x 。，x ：，x - ) ，则案例x 和数据库中的c 的相似度定义为： 坍 ( w ，s ( x t ，p f ) ) s i m ( x ，c ) = 型- 一 y w ， 二j 1 = 1 其中w ，是表示的是属性i 在案例匹配中的重要程度，即权值( 又称权重) 。 s ( x bc 。) 表示的是案例c 和x 的第i 个属性的相似度。在与案例库中的每一个 案例都按照这个方法计算一遍后，对相似度结果进行排序，若计算得到的与目 标案例x 相似度最高的一个案例c ，则把案例c 中的解决问题的方法应用到x 上去。 当案例库的规模不是很大，且属性和属性之间是相互独立的时候，最近法 是有效的一种检索方法，它可以返回一个最佳相似案例。 2 4 案例调整 当检索出的案例的解决方法不能适用于当前问题时，系统就会从失败中总 结经验，修改解决方案以解决新的问题，这个过程即为案例调整。 案例推理中案例调整是一个难题，确定一种普遍适用的修改方法是困难 的，一般来说修改策略主要是针对特定应用领域确定特定的修改策略。调整的 方法多种多样，主要是在旧解中替换某些内容，或在旧解中添加新的内容或删 除旧的内容，或者根据某些模型对旧解中的某些值进行调整。 案例调整主要有以下几种方法： ( 1 ) 替换法：替换法是指根据目标问题与源案例之间的差异，将旧解中的相 应值经过相应的调整，经过替换，从而得到新问题的解，这种方法只改变旧问 题中的值，而不改变它的结构。 ( 2 ) 转换法：这种方法是指在调整时，根据特定的调整模型，改变或增加或 者删除旧解中的某些内容，以达到调整的目的，它同时改变了旧解的值以及结 构。 ( 3 ) 组合调整：组合调整并不是根据一个旧解来实现案例调整，而是根据检 索出的多个案例，取不同案例的不同部分分别进行调整，然后将它们通过一定 的方法拼凑到一起形成完整的新案例的解。 2 5 案例学习 案例推理的另一个重要的特征就是它具有学习的能力，在传统的规则推理 系统中改变规则知识是一件很难的工作，它要求我们从专家那里获取新的规则 然后加入到系统当中，在没有专家的情况下，系统不能自学习。而对于案例推 理来说，当从案例库中检索出的案例不能适应当前问题时，案例推理系统可以 自动或通过人工地修改案例以适应新闯题的解，但是不管我们对不对案例进行 修改，新案例所包含的信息肯定和1 日案例是不一样的，随着数据库中新案例的 不断加入，案例推理系统解决问题的能力不断得到增强。 案例学习是一个不断总结归纳的过程，涉及到什么情况下保留案例，什么 时候删除案例等，它实际上是对案例库中的信息进行综合分析，然后删掉那些 对推理作用小的案例，以达到减轻数据库的冗余性，减少案例抽取时的检索代 价，如何维护案例库从下面两个方面着手： ( 1 ) 对案例进行评价，每一次有新案例加入时，看其与数据库中类似的案例 的相似度大小，如果与案例库中的案例相似度很高，则认为此案例很常见，保 留的价值不高，不对其进行存储。 ( 2 ) 在案例的特征项的选择上，如果一个案例中包含了新的特征值，而这些 值在数据库中都没有出现过，则首先考虑存储案例的这些属性【4 0 j 【4 2 6 本章小结 本章详细介绍了案例推理的特点，推理框架以及和规则推理相对比的优势 所在；对案例推理的关键技术进行了分析，包括案例表示、案例检索、案例修 正、案例学习等，为下面的研究奠定基础。 1 2 第三章复杂时态案例与时态案例库研究 在某些特定领域中，案例的内容和时间之间紧密联系，是一种复杂的含时 间和过程信息的案例，如自然灾害救灾领域的案例，本章将以灾害救灾案例为 研究起点，对如何表示案例、如何选择案例属性以及如何组织案例等关键技术 进行深入研究。 3 1 复杂时态案例与时态案例库 在现实世界中，时间是每时每刻都存在、连续发生和一去不复返的，它是 在时间轴上连续存在的。而传统的数据库在处理时间时只是把它当作一个点， 一个静态的，不变的属性。但对于灾害领域的案例来讲，案例的内容是跟时间 紧紧联系在一起的。 考虑下面的案例信息：2 0 1 0 年4 月1 4 日，青海玉树发生了7 1 级地震， 截止目前止，已造成2 l9 2 人死亡，据统计，1 5 日死亡人数7 6 0 人，1 6 日上升 至1 1 4 4 人，18 日