利用遗传算法进一步优化CBR案例推理模型

doi:10.3969/j.issn.1006-2475.2013.02.036

计算机与现代化 ›› 2013, Vol. 1 ›› Issue (2): 147-149+.doi: 10.3969/j.issn.1006-2475.2013.02.036

利用遗传算法进一步优化CBR案例推理模型

沈奇^1,2

1.金陵科技学院信息技术学院,江苏南京211169； 2.江苏省信息分析工程实验室,江苏南京211169

收稿日期:2012-12-20 修回日期:1900-01-01 出版日期:2013-02-27 发布日期:2013-02-27

Optimizing CBR Model Using Genetic Algorithm

SHEN Qi^1,2

1. School of Information Technology, Jinling Institute of Technology, Nanjing 211169, China;2. Jiangsu Information Analysis Engineering Laboratory, Nanjing 211169, China

Received:2012-12-20 Revised:1900-01-01 Online:2013-02-27 Published:2013-02-27

摘要/Abstract

摘要： 基于案例推理是近年来人工智能领域内兴起的一种推理技术，推理指标特征的选择一直是该技术的热点和难点。为了在指标选择过程中得到较优的特征子集，本文结合灰色关联度分析和遗传算法优化特征的遴选过程，将灰色关联分析结果作为遗传算法的初始种群进行启发式搜索，一方面可以得到更优特征组合，另一方面有效减少了遗传算法的进化代数，提高了遗传算法运行效率。并基于此，提出优化的GA-CBR案例推理模型。实验结果表明，该模型有效提高了CBR预测准确性。


关键词: 基于案例推理, 遗传算法, 特征选择, 灰色关联分析, 优化

Abstract: Case based reasoning (CBR) is a kind of reasoning technology in the field of artificial intelligence in recent years. Feature selection is the hot topic and the difficulty in CBR technology. In order to get optimal feature subset in feature selection process, this paper combines gray correlation degree analysis with genetic algorithm (GA), taking the gray correlation analysis result as the initial population for GA heuristic search, and proposes a new GA-CBR case reasoning optimization model. The test results show this model is effective to improve the CBR forecast accuracy.


Key words: case based reasoning, genetic algorithm, feature selection, gray correlation analysis, optimization

沈奇;. 利用遗传算法进一步优化CBR案例推理模型[J]. 计算机与现代化, 2013, 1(2): 147-149+.

SHEN Qi;. Optimizing CBR Model Using Genetic Algorithm[J]. Computer and Modernization, 2013, 1(2): 147-149+.

[1]	王宏杰, 徐胜超, 杨波, 毛明扬, 蒋金陵. 基于SRv6技术的云网安全服务链自动编排方法[J]. 计算机与现代化, 2024, 0(01): 1-5.
[2]	陈琦, 李晶晶. D2D网络中基于多目标优化的计算卸载策略[J]. 计算机与现代化, 2024, 0(01): 21-28.
[3]	林启钊, 彭志平, 郭棉, 崔得龙. 基于双向多步预测的炉管温度场重构方法[J]. 计算机与现代化, 2024, 0(01): 53-58.
[4]	欧基发, 蔡茂国, 洪广杰, 詹楷杰. 基于PWLCM和秃鹰俯冲机制改进的野狗优化算法[J]. 计算机与现代化, 2024, 0(01): 109-116.
[5]	王凯翔, 杨静, 杨文, 米红菊, 甘飞. 基于改进GSA算法的多能源移动电源车优化配置[J]. 计算机与现代化, 2023, 0(12): 105-111.
[6]	杨博, 庄毅. 基于AOA-MSVM的控制集群故障检测方法[J]. 计算机与现代化, 2023, 0(12): 112-116.
[7]	陈晨, 庄毅, 高增. QoE驱动的SDN网络高可用传输框架[J]. 计算机与现代化, 2023, 0(11): 62-68.
[8]	冀心成, 汪衍凯, 张迎, 许彦杰. 贝叶斯优化梯度提升树的室内日光照度分布预测[J]. 计算机与现代化, 2023, 0(09): 44-50.
[9]	刘显茁, 邓韦斯, 谢恩彦. 考虑分布式发电并网的配电网自适应保护系统[J]. 计算机与现代化, 2023, 0(09): 120-126.
[10]	潘思源, 张伟. 基于改进LSTM算法的锂电池SOC估计[J]. 计算机与现代化, 2023, 0(08): 25-30.
[11]	雷依翰, 曹利峰, 韩孟达, 韩雪. 软件定义天地一体化网络安全切换架构与方法[J]. 计算机与现代化, 2023, 0(08): 119-126.
[12]	张志霞, 谢宝强. 基于FCGA-LSTM与迁移学习的天然气负荷预测[J]. 计算机与现代化, 2023, 0(07): 7-12.
[13]	张志国. 一种基于强化学习的铁路通信基站天线覆盖自优化方法[J]. 计算机与现代化, 2023, 0(07): 69-72.
[14]	刘付琪, 张达. 基于PSO-DBN的液压系统冷却器故障诊断[J]. 计算机与现代化, 2023, 0(06): 7-14.
[15]	袁甜甜, 李志华, 邱阳. 基于辅助学习的改进端到端合成语音检测方法[J]. 计算机与现代化, 2023, 0(05): 52-57.

利用遗传算法进一步优化CBR案例推理模型

Optimizing CBR Model Using Genetic Algorithm

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价