【文章內(nèi)容簡介】 要性。相似度評價方法有最近鄰法、歸納法等。 2022/2/17 史忠植 高級人工智能 38 最佳選定 指從初步匹配過程中獲得的一組候選范例中選取一個或幾個與當(dāng)前問題最相關(guān)的范例。這一步和領(lǐng)域知識關(guān)系密切?？梢杂深I(lǐng)域知識模型或領(lǐng)域知識工程師對范例進行解釋，然后對這些解釋進行有效測試和評估，最后依據(jù)某種度量標(biāo)準(zhǔn)對候選范例進行排序，得分最高的就成為最佳范例 ,比如最相關(guān)的或解釋最合理的范例可選定為最佳范例。 2022/2/17 史忠植 高級人工智能 39 相似性關(guān)系 范例的表示表明，范例的情境是由許多屬性組成，范例間的相似度就是根據(jù)屬性（或變量）之間的相似度定義的。目標(biāo)范例與源范例之間的相似性有語義相似、結(jié)構(gòu)相似、目標(biāo)相似和個體相似。 2022/2/17 史忠植 高級人工智能 40 語義相似性 兩范例之間是可以類比的，首先必須滿足語義上具有相似性關(guān)系。相似性關(guān)系是類比問題求解的基礎(chǔ)。兩實體的類比可以區(qū)分為正類比、反類比、不確定類比。 正類比是由相似性關(guān)系所確定的兩實體之間的可類比部分， 反類比則是已被確定為兩實體間不相似的部分， 不確定類比是兩實體之間尚未確定是否可類比的部分。兩個實體可類比的條件之一是 :模型的本質(zhì)性質(zhì)和因果關(guān)系不構(gòu)成反類比的一部分。 不確定類比使得類比具有一定的預(yù)見性，這種預(yù)見可能是正確的，也可能是錯誤的。在類比求解中，目標(biāo)范例的本質(zhì)特征和源范例的本質(zhì)特征必須具有相似性關(guān)系，才能使類比有了基礎(chǔ)。 2022/2/17 史忠植 高級人工智能 41 個體相似性 在我們的模型中強調(diào)的另一重要約束是個體的類別信息。從不嚴(yán)格的意義上講，如果兩個個體之間具有一些 (或一個 ) 相似的屬性，則它們是屬于同一類別的。在概念聚類中，我們使用概念 (或客體 ) 間的相關(guān)性或緊致性來對概念 (客體 ) 集進行分類。相關(guān)性是指概念的屬性之間相似度的平均值。但在這里，我們將把電線和繩索看作是同一類別的，因為它們 均可以用來綁縛物體。 2022/2/17 史忠植 高級人工智能 42 相似性計算 1. 絕對值距離 (Manhattan): 其中 Vik 和 Vjk 分別表示范例 i和范例 j的第 k個屬性值 。 ????N1kjkikij VVd2022/2/17 史忠植 高級人工智能 43 相似性計算 2. 歐氏距離 (Euclidean) ????Nkjkikij VVd12)(2022/2/17 史忠植 高級人工智能 44 相似性計算 q/1N1kqjkikij VVd ???????? ??2022/2/17 史忠植 高級人工智能 45 范例的復(fù)用 把檢索到的舊范例的解答復(fù)用到新問題或新范例之中 。通過所給問題和范例庫中范例比較得到新舊范例之間的不同之處 ， 然后回答哪些解答部分可以復(fù)用到新問題之中 。 對于簡單的分類問題 ， 僅需要把舊范例的分類結(jié)果直接用于新范例 ， 它無需考慮新舊范例之間的差別 。 而對于問題求解類的問題 ， 則需要對領(lǐng)域知識的深入理解 ， 根據(jù)范例之間的不同對問題進行調(diào)整 ，可以是對整個解的某項作一些調(diào)整 ， 也可以對整個解的進行微調(diào) 。 2022/2/17 史忠植 高級人工智能 46 替換法 (1)重新例化 （ reinstantiation） ：這是一種很簡單的替換操作 ， 僅僅是用新的個體替換舊解中的個體 。 例如 ， 川菜設(shè)計系統(tǒng) CHEF， 在根據(jù)牛排炒甘藍(lán)菜來設(shè)計一道雞肉炒雪豆菜 ，它就是把該菜譜中的所有牛排替換成雞肉 ， 把甘藍(lán)替換成雪豆 。 (2)參數(shù)調(diào)整 （ parameter adjustment） :這是一種處理數(shù)值參數(shù)的啟發(fā)式方法 。 它和具體的輸出與輸入?yún)?shù)間的關(guān)系模型（ 輸入發(fā)生什么變化 ， 會導(dǎo)致輸出產(chǎn)生怎樣的相應(yīng)變化 ） 有關(guān) 。 (3)局部搜索 （ local search） ：使用輔助的知識結(jié)構(gòu)來獲得替換值 。 例如 ， 設(shè)計點心時缺少桔子 ， 則可使用此法在一個水果語義網(wǎng)知識結(jié)構(gòu)中搜索一個與桔子相近的水果如蘋果來代替 。 2022/2/17 史忠植 高級人工智能 47 替換法 (4)查詢 （ query） ：用帶條件的查詢在范例庫或輔助知識結(jié)構(gòu)中獲取要替換的內(nèi)容 。 (5)特定搜索 （ specialized search） ：同時在范例庫和輔助知識結(jié)構(gòu)中進行查詢 ， 但在范例庫中查詢時使用輔助知識來啟發(fā)式指導(dǎo)如何搜索 。 (6)基于范例的替換 （ casebased substitution） ：使用其它的范例來建議一個替換 。 2022/2/17 史忠植 高級人工智能 48 轉(zhuǎn)換法 轉(zhuǎn)換法包括：常識轉(zhuǎn)換法 （ monsense transformation） ：使用明白易懂的常識性啟發(fā)式從舊解中替換 、 刪除或增加某些組成部分 。 典型的常理轉(zhuǎn)換法是 ， “ 刪去次要組成部分 ” 。 模型 制導(dǎo)修補法 （ modelguided repair） ：通過因果模型來指導(dǎo)如何轉(zhuǎn)換 。 故障診斷中就經(jīng)常使用這種方法 。 2022/2/17 史忠植 高級人工智能 49 特定目標(biāo)驅(qū)動法 這種方法主要用于完成領(lǐng)域相關(guān)以及要做結(jié)構(gòu)修改的修正 。 該法使用的各種啟發(fā)式需要根據(jù)它們可用的情景進行索引 。特定目標(biāo)驅(qū)動的修正啟發(fā)式知識一般通過評價近似解作用 ， 并通過使用基于規(guī)則的產(chǎn)生式系統(tǒng)來控制 。 2022/2/17 史忠植 高級人工智能 50 派生重演 上述方法所做的修正是在舊解的解答上完成的 。 重演方法則是使用過去的推導(dǎo)出舊解的方法來推導(dǎo)出新解 。 這種方法關(guān)心的是解是如何求出來的 。 同前面的基于范例替換相比 ， 派生重演使用的則是一種基于范例的修正手段 。 2022/2/17 史忠植 高級人工智能 51 CBR 工具 CBR Design Explorer Diagnostic amp。 Design Shell (Artificial Intelligence Applications Institute at University of Edinburgh) ?CBR Framework for Bioprocessing (Bioprocesses Group at VTT Biotechnology and Food Research) ?CBR Tools object oriented software library in JAVA (AID research group at INRIA Sophia Antipolis) ?CBRWorks product family CBR shell (research licenses available) (tec:inno GmbH ) ? 2022/2/17 史忠植 高級人工智能 52 AIAI CBR Diagnostic amp。 Design Shell Page Fuzzy logic matching algorithms (latticed, SmoothFuzzy) ? Adaptive confidence measures ? Multiple diagnostic algorithms (negative selection, density selection, omission matching, identify outliers, best match, onecase onevote, probabilistic curve, default) ? Adaptive thresholdi