收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于优化案例推理的智能决策技术研究

李锋刚  
【摘要】: 如何解决企业和社会组织管理过程的优化,如何提高其智能化水平,是管理理论和实践中一个重要的课题。现代管理实践中系统规模越来越大,约束条件增多,非线性严重,环境更加复杂,致使系统优化难度越来越大。为解决这些问题,本文提出了一种新型的基于优化型案例推理的智能决策技术OCBR—IDT,其涉及管理科学、人工智能、运筹学和决策科学等诸多领域,是优化理论和决策技术的结合。具体的研究内容和主要贡献包括: 1.在探讨案例推理技术起源、发展、基本思想和特点的基础上,研究了案例推理技术用于决策过程的各个阶段,包括决策案例的表示、决策案例的组织和索引、决策案例的修正、决策案例的学习及决策案例库的维护。探讨了案例推理中的核心技术k-NN在案例推理中的应用。 提出了一种新型的基于优化型案例推理的智能决策技术OCBR—IDT,并将其应用于构建基于OCBR—IDT的智能决策支持系统,采用人机协调技术,集人的智能和机器的智能于一身,并采用基于案例推理和规则推理相结合的推理方法,提高了对决策过程的智能辅助程度和系统的灵活性、适应性。 2.在回顾属性选择的策略,包括搜索策略和评价策略,以及属性选择的方法的基础上,对属性选择过程予以形式化。具体研究了基于熵的两种属性优化选择策略,即信息增益法和增益比率法,用层次化k-fold交叉验证和k—近邻(k—NN)相结合的技术考察其性能。结果表明基于熵的属性评价策略是一种有效的评价策略。 利用遗传算法特有的遗传算子搜索机制,用基于相关性的启发式作为评价机制,提出一种GA—CFS方法,用于从属性集中选择对给定案例最优的属性子集。对选择出来的属性子集用C4.5算法和k—fold交叉验证相结合评价其分类性能。实验对比结果表明,GA—CFS方法可以确定出与分类和预测最相关的属性子集,同时在几乎不降低分类准确性的情况下,极大地减小属性的表示空间。 研究了基于主成分分析(Prime Component Analysis,PCA)的属性选择,从总体主成分到标准化变量主成分,最后给出样本主成分的计算方法。使用Iris数据作为测试,对选出的主成分使用C4.5和k—NN方法考察其分类准确性。结果表明,使用这种方法可以降低数据维度,同时可以达到一定的分类准确率,当然提取出的主成分的实际意义需要根据具体的问题结合专业知识予以解释。 3.在综合分析案例检索的类型、任务、启发式方法、案例相似性度量方法后,从不同维度研究了案例相似性的度量,即案例间相似性的度量和案例属性间的相似性度量。对基于几何模型的相似性度量方法和基于特征属性的相似性度量方法予以分析。 分析了管理决策中的委托求解法和综合加权法后,提出了一种基于提升和投票的多策略相似性检索技术。其具有融合多个模型、集中群体智慧的特点,可以克服现有检索方法依靠单一模型进行决策所具有的不可靠性,以降低决策风险,增强决策的鲁棒性和智能性。 4.详细探讨了禁忌搜索技术在算法设计过程中的关键参数,包括邻域和邻域搜索,禁忌表和禁忌表的大小,短期记忆和长期记忆,停止准则和搜索的效率等。探讨了这些参数设置的方法、实现的技术和不同设置对算法的影响。 研究了用禁忌搜索技术求解图结构案例中的TSP问题。首先是对TSP问题的描述,接着研究了用朴素禁忌搜索算法求解随机生成的20城市TSP问题,并测试了算法的收敛速度和案例解的优化过程。还研究了基于启发式案例解决方案,给出了基于“贪婪”搜索的初始解启发式禁忌搜索对20城市TSP问题的求解结果。 研究了禁忌搜索算法对图结构案例的检索技术。首先给出了图结构案例的定义,图结构案例相似性的度量,包括图中顶点和弧之间的映射和对应。接着是禁忌搜索各个阶段在图结构案例中的实现,最后给出了一个两阶段案例检索技术,同时使用了朴素禁忌搜索技术和高级禁忌搜索技术,提高了对图一类复杂案例的检索效率。最后探讨了对禁忌搜索算法的多种改进策略。 5.综述了智能诊疗系统在医学领域的应用、国内外已开发的各类医学诊疗系统和中医专家系统,分析了案例推理技术在中医领域应用的重大研究价值和前景。将本文提出的OCBR—IDT应用于我国三大显学之一徽学中新安医学的研究中,构建基于案例推理技术的优化型智能新安医学防治中风病诊疗系统。 从概念设计到结构设计研究了其实现的技术方法和路线,最后开发了此系统。为从病名诊断、辨证论治到处方用药提供智能化的决策支持,实现了新安医学防治中风病研究的现代化、信息化和智能化。


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 李锋刚;;基于案例推理的优化型智能决策技术的研究[J];淮北煤炭师范学院学报(自然科学版);2006年02期
2 方伟;王玉佳;徐涛;林冲;;航空兵智能决策模型的评估方法[J];兵器装备工程学报;2021年08期
3 肖进;李春燕;贾品荣;;人工智能背景下政府治理智能决策优化研究[J];电子科技大学学报(社科版);2021年05期
4 ;“2020年智能决策与大数据应用国际会议”顺利召开[J];信息网络安全;2020年08期
5 谢伟;;智能决策助力农信机构提质增效[J];中国金融电脑;2020年09期
6 王莉;牛晓华;李洁;;基于云技术的智能决策会商系统发展与研究[J];数据通信;2016年06期
7 解迎刚;苏中;吴韶波;;情境教学法在“数据处理与智能决策”教学中的应用[J];科教文汇(下旬刊);2016年02期
8 张述冠;;从集中管理到智能决策[J];中国计算机用户;2006年Z1期
9 胡晓峰;齐大伟;;智能决策问题探讨—–从游戏博弈到作战指挥,距离还有多远[J];指挥与控制学报;2020年04期
10 张冲;;云计算环境下的智能决策研究[J];通讯世界;2018年01期
11 初明;CleverPath帮助企业智能决策[J];家电科技;2003年06期
12 张镜凤;踏上竞争的高速公路:智能决策[J];经贸导刊;1995年06期
13 王岩;刘建喜;何德卫;;考虑多目标优化的有序用电智能决策研究[J];电力需求侧管理;2015年03期
14 毛建华;段沛佑;;浅析智能决策分析系统在物流企业中的应用[J];物流技术;2012年05期
15 钟远明;晏妮;;银行卡客户智能决策分析与服务平台的应用研究[J];金融电子化;2009年07期
16 李领先;王齐荣;张信议;;道路软基处理智能决策技术的现状与展望[J];四川建筑;2006年S1期
17 张镜凤;踏上市场竞争的高速公路:智能决策[J];决策探索;1996年06期
18 张镜凤;踏上市场竞争的高速公路:智能决策[J];云南科技管理;1995年06期
19 李锋刚;倪志伟;郜峦;;基于案例推理和多策略相似性检索的中医处方自动生成[J];计算机应用研究;2010年02期
中国重要会议论文全文数据库 前20条
1 唐毅;胡波;姜卫;;智慧泵站在姚江上游西排工程中的实践[A];2021(第九届)中国水利信息化技术论坛论文集[C];2021年
2 孙其芳;赵伟;牛延明;赵昆;田治博;林晓乐;;基于智能决策理论的业扩报装方案制定关键技术研究[A];第三届智能电网会议论文集——智能用电[C];2019年
3 刘效尧;林少培;;公路长期维护投资的智能决策模型[A];《智能技术应用与CAD学术讨论会》论文集[C];2000年
4 韩继曼;;CAPP知识智能决策[A];面向制造业的自动化与信息化技术创新设计的基础技术——2001年中国机械工程学会年会暨第九届全国特种加工学术年会论文集[C];2001年
5 夏建东;苏建志;曾熠;;智能决策中的决策融合模型[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
6 刘闯;陈前;;人工神经网络与基于案例推理结合用于故障诊断[A];2004电站自动化信息化学术技术交流会议论文集[C];2004年
7 晏沛湘;杨先炬;李静;仇广煜;;案例推理在军事网络安全应急响应中的应用[A];第六届中国指挥控制大会论文集(下册)[C];2018年
8 张志远;谭跃进;;基于案例推理技术在隐性知识获取中的应用[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
9 陈华舟;陈伟豪;莫丽娜;辜洁;唐志敏;张优优;;基于禁忌搜索的近红外光谱建模样本集划分优化方法[A];第21届全国分子光谱学学术会议暨2020年光谱年会论文集[C];2020年
10 廖馨;孙峥皓;;作战推演仿真中的智能决策技术应用探索[A];第二十届中国系统仿真技术及其应用学术年会论文集(20th CCSSTA 2019)[C];2019年
11 张晓莉;杨杰;吕永;;诊断推理中人工神经网络与基于案例推理的结合[A];2000年上海市系统仿真学会学术年会论文专辑[C];2000年
12 李艳;王熙照;;合作式案例推理系统的一个能力模型(英文)[A];中国系统工程学会模糊数学与模糊系统委员会第十一届年会论文选集[C];2002年
13 罗大勇;蒋喆;;天津电力通信网络智能决策辅助分析系统应用实践[A];2012电力行业信息化年会论文集[C];2012年
14 李彦希;彭刚;;基于禁忌搜索的TSP问题求解[A];广西计算机学会2010年学术年会论文集[C];2010年
15 颜震;林建群;林建强;曲音波;;遗传算法及禁忌搜索在生物数学模型参数优化中的应用[A];中国资源生物技术与糖工程学术研讨会论文集[C];2005年
16 李青;刘兆健;薛军;孙光圻;;用于定位——运输路线安排问题的禁忌搜索——蚁群混合算法[A];可持续发展的中国交通——2005全国博士生学术论坛(交通运输工程学科)论文集(上册)[C];2005年
17 陆佳政;杨铭;曾祥君;曾敏;;基于SPSS的电网融冰智能决策方法[A];中国电工技术学会学术年会——新能源发电技术论坛论文集[C];2013年
18 李继良;孙文杰;李鹏;;基于模糊神经网络的专家系统在CGF智能决策中的应用[A];系统仿真技术及其应用(第7卷)——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年
19 董樑;贺仲雄;;人工涌现、统一集与神经网络专家系统[A];2006中国控制与决策学术年会论文集[C];2006年
20 石志刚;施强;盛刚;;基于案例推理的高速公路紧急救援决策研究[A];第二十九届中国控制会议论文集[C];2010年
中国博士学位论文全文数据库 前11条
1 李锋刚;基于优化案例推理的智能决策技术研究[D];合肥工业大学;2007年
2 董洋溢;面向智能决策应用的本体关键技术研究[D];西北工业大学;2018年
3 瞿幼苗;面向智能决策的推理引擎技术[D];西北工业大学;2018年
4 张昊;基于案例推理的城市道路交通拥堵安全疏导决策支持技术研究[D];安徽理工大学;2018年
5 封超;基于案例推理的应急决策方法研究[D];西北工业大学;2018年
6 杨振刚;CBR ANN智能决策支持方法及应用[D];华南理工大学;2007年
7 光晖;基于本体的企业知识型员工人岗匹配案例推理系统研究[D];合肥工业大学;2020年
8 丛广佩;石化设备基于风险和状态的检验与维修智能决策研究[D];大连理工大学;2013年
9 彭少明;流域水资源调配决策理论与方法研究[D];西安理工大学;2008年
10 荔建琦;进化决策的模型、关键技术与应用研究[D];中国人民解放军国防科学技术大学;2002年
11 赵辉;案例推理的动态学习模型及其在TE过程中的应用[D];北京工业大学;2015年
中国硕士学位论文全文数据库 前20条
1 王伟;OFDM系统的智能决策引擎研究[D];电子科技大学;2014年
2 王利源;苹果园水分智能决策灌溉系统研究[D];河北农业大学;2019年
3 孙朴莹;基于智能决策的铁路应急处置平台系统的设计与实现[D];北京交通大学;2019年
4 梁懿奂;网优智能决策的实现[D];黑龙江大学;2018年
5 王小青;认知抗干扰通信系统的智能决策技术研究[D];电子科技大学;2018年
6 雍尚莉;个人信用智能决策理论与应用研究[D];重庆大学;2006年
7 徐婷;智能空间中的智能决策推理机制研究[D];北京交通大学;2010年
8 仰彦妍;基于本体的煤矿灾害事故案例推理研究[D];中国矿业大学;2019年
9 谢丽敏;基于KNN的居民地案例推理选取及优化模型[D];战略支援部队信息工程大学;2018年
10 李思佳;基于成矿案例推理模型的区域矿产资源潜力预测[D];成都理工大学;2018年
11 刘波;考虑标注性属性的医疗案例信息集结与案例库维护研究[D];合肥工业大学;2018年
12 Edna Laurinda Muianga;融合案例推理与分类器的乳腺肿瘤辅助诊断[D];合肥工业大学;2018年
13 李淑娥;基于案例推理的咨询系统关键技术研究[D];西北师范大学;2017年
14 魏建兵;基于案例推理的空巢老人安全风险智能预警技术研究[D];西北师范大学;2017年
15 高珊;基于GIS的台风案例推理模型研究[D];辽宁工程技术大学;2013年
16 赵超越;基于案例推理的磨矿分级过程优化研究[D];东北大学;2015年
17 王思思;基于案例推理的台风决策系统设计与实现[D];燕山大学;2017年
18 张传辉;基于模糊C均值聚类和案例推理的风电功率预测研究[D];太原理工大学;2017年
19 王刘洋;基于案例推理的旅游目的地个性化推荐研究[D];海南大学;2017年
20 马昕;基于案例推理的教师学习[D];华东师范大学;2015年
中国重要报纸全文数据库 前10条
1 本报记者 朱晓萌;智能决策有望直接撬动万亿市场[N];中华工商时报;2018年
2 本报记者 徐姗姗;2020大数据产业将突破570亿元[N];通信产业报;2017年
3 本报实习记者 褚召忍;以人工智能推进产业间合作发展[N];中国冶金报;2017年
4 记者 江耘;当医院遇上人工智能 十年内医生工作量减轻一半[N];科技日报;2017年
5 记者 沈春蕾;中科闻歌推出两大数据智能决策平台[N];中国科学报;2021年
6 齐向真 张迎春;“城市信息多层次智能决策关键技术与系统”正式启动[N];太原日报;2013年
7 ;智能决策为企业导航[N];计算机世界;2001年
8 本报记者 卢刚;集中管理、智能决策[N];财会信报;2006年
9 本报记者 谷业凯;机器帮你“拿主意”[N];人民日报;2018年
10 李梦 高剑 何锐;监控信息智能决策应用技术在川投用[N];国家电网报;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978