一种基于k-NN的案例相似度权重调整算法  

k-NN-based feature weights adjustment algorithm for case similarity measurement

作　　者：杨健[1] 杨晓光[2] 刘晓彬[3] 秦凡[1] 

机构地区：[1]南开大学商学院,天津300071 [2]廊坊师范学院计算机科学与技术系,河北廊坊065000 [3]中国人民武装警察部队学院基础部,河北廊坊065000

出　　处：《计算机工程与应用》2007年第23期8-11,共4页Computer Engineering and Applications

基　　金：国家自然科学基金(the National Natural Science Foundation of China under Grant No.70471040);国家教育部985计划项目(No.950A94505-B12);IBM SUR项目

摘　　要：对于CBR中的案例检索问题,结合经典案例相似度计算方法,对目前在各实际系统中应用最为广泛的k-NN算法进行改进。经过特征约简,在假设时间因素对历史案例可采纳程度有显著影响基础上,提出了一种小规模的基于时序的案例特征权重多阶段调整算法。该算法适用于数值型特征项相似度计算。Following the classical approaches of case similarity calculation in CBR retrieval,this paper improves the traditional algorithm of k-NN.After feature reduction ,based on the hypothesis that time factor has a significant affect on the adoptability of the history cases,a small scale algorithm for case feature weight calculation called TSBMPSA is proposed.The algorithm is suitable for numeric features.

关 键 词：基于案例推理 案例相似度 案例检索 k-NN算法 特征权重 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]