群决策案例推理系统的动态学习模型及应用研究

As one of effective intelligent methods of problem solving and reasoning, case-based reasoning (CBR) explores mechanisms of human thinking and learning from the point of cognitive science. Dynamic learning ability of CBR is recognized as a direct factor for quality and efficiency of solving and reasoning. To present model and design of CBR system and improve its ability of solving and dynamic learning, cognitive structure and function of CBR with group decision-making(GDM-CBR) will be explored in this projectvia analysing relationship between GDM and creative thinking firstly. Then, cognitive modeling, evaluation modeling and memory modeling for GDM-CBR will be realized by method called "cognition - action - evaluation - improvement - memory". Moreover, a stable and convergent law for assigning weights, evaluating, revising and retaining cases with dynamic learning mechanism will be developed for GDM-CBR system to guarantee the quality and efficiency of problem solving. Finally, the derived theory and design method of GDM-CBR system modeling will be applied to the setting modeling of shaft furnace roasting process and the classification model of unbalanced data and missing data. This study aims at giving a dynamic learning mechanism to CBR and laying the foundation for applications of GDM-CBR system. The implementation of this project has an important theoretical and practical significance.

案例推理(CBR)从认知科学的角度对人类思维和学习机制进行探索，是一种有效的智能求解与推理方法，CBR的学习能力直接影响问题求解的质量和推理效率。项目以CBR系统的建模与设计为研究对象，以赋予CBR动态学习能力和提高其问题求解能力为目标，从分析群决策与创造性思维的关系入手，探索群决策CBR的认知结构和功能；以建立其动态学习模型为主线，采用"认知-行动-评价-改进-记忆"的建模手段，研究群决策CBR的认知建模、评价建模以及记忆建模方法；建立具有动态学习机制的属性权重优化分配、群决策评价与修正以及群决策存储规律，形成稳定而收敛、保障求解质量和推理效率的动态学习模型；最后，将获得的群决策CBR系统的建模理论和设计方法应用于竖炉焙烧过程的设定建模、不平衡数据与缺失数据的分类等问题中进行测试。项目的实施可为研究CBR的动态学习机制提供思路，为群决策CBR系统的应用奠定基础，具有重要的理论和现实意义。

案例推理是人工智能领域的重要研究方向之一，它从认知科学的角度对人类思维和学习机制进行探索，是一种有效的智能求解与推理方法，案例推理的学习能力直接影响问题求解的质量和推理效率。项目以案例推理系统的建模与设计为研究对象，以赋予案例推理动态学习能力和提高其问题求解能力为目标，借鉴认知科学和群决策理论，着手构建一种群决策案例推理系统。主要研究内容包括：从分析群决策与创造性思维的关系入手，探索群决策案例推理的认知结构和功能；以建立其动态学习模型为主线，采用“认知-行动-评价-改进-记忆”的建模手段，研究群决策案例推理的认知建模、评价建模以及记忆建模方法；建立具有动态学习机制的属性权重优化分配、群决策评价与修正以及群决策存储规律，形成稳定而收敛、保障求解质量和推理效率的动态学习模型；最后，将获得的群决策案例推理系统的建模理论和设计方法应用于竖炉焙烧过程的设定建模、不平衡数据与缺失数据的分类等问题中进行测试。获得的重要结果有七个方面：1）群决策案例推理的学习机制、认知结构与功能、性能评价指标；2）群决策检索的认知建模方法；3）群决策修正的评价建模方法；4）群决策存储的记忆建模方法；5）属性权重的动态学习规律；6）群决策评价与修正的动态学习规律；7）群决策存储的动态学习规律。应用于一些典型的模式分类问题中，分类时间平均降低44.07%，平均分类准确率达到82.36%；应用于参数估计中，拟合误差可以降至5.0%；应用于竖炉焙烧过程中的优化设定中，焙烧矿的单位时间产量提高了1.92t/h，质量指标提高了0.81%，每吨产品的能耗指标下降了0.11GJ/t。从这些关键数据看，测试效果比较理想。本项目对案例推理的认知推理模型开展了进一步的机理分析和方法研究，项目的研究成果促进了逻辑、推理与问题求解方法的进一步发展，为研究案例推理的动态学习机制提供了一条思路，为群决策案例推理系统的应用奠定了基础，具有重要的理论和现实意义。

内容获取失败，请点击重试