改良型案例推理建模算法研究（2014年）

简介：
本研究聚焦于改进案例推理模型中的算法设计与优化策略，旨在提高复杂问题解决效率及准确性。通过对现有方法的深入分析和创新性调整，提出了一套更适应实际应用需求的新算法框架，为智能决策系统的发展提供了新的理论支持和技术手段。 基于案例推理的方法是一种知识获取的手段，并且也是一种新型的数据驱动建模方式。这种方法的核心在于案例检索。本段落提出了一种改进后的K最近邻回归模型算法来优化基于案例推理系统中的案例检索过程。首先，利用聚类思想的最近邻回归方法能够有效划分数据库，从而提高搜索质量；其次，在处理K最近邻算法中邻居数量的选择问题时，使用粒子群算法确定所需的最佳邻居数，取代了传统的经验性选择方式。通过模拟预测Mackey-Glass混沌时间序列数据验证该方法的有效性。