羅賢坤　吳　磊

摘 要：介紹了建立案例索引的兩種不同方法，通過分析將多級(jí)索引應(yīng)用于聚類分析方法，將聚類分析方法應(yīng)用于實(shí)驗(yàn)儀器設(shè)備預(yù)約問題中，具有重要的理論意義和實(shí)用價(jià)值。

關(guān)鍵詞：案例索引;聚類分析;預(yù)約

1 案例索引的建立

1.1 單級(jí)索引

單級(jí)索引比較簡(jiǎn)單，適用于案例庫中案例不太多的情況?？砂茨硞€(gè)屬性的取值進(jìn)行索引，如在儀器設(shè)備推薦預(yù)約服務(wù)系統(tǒng)中我們可以按照儀器設(shè)備的儀器類別這一屬性進(jìn)行索引。

1.2 多級(jí)索引

多級(jí)索引技術(shù)對(duì)于案例庫較龐大的情況很有效，可以提高案例檢索的效率。下面介紹采用采用聚類分析方法來為案例庫建立二級(jí)索引時(shí)的案例組織方法，設(shè)整個(gè)案例庫有N個(gè)案例，Casebase=＜casel，case2，…，caseN＞，首先對(duì)所有的案例進(jìn)行聚類分析(即把相似的案例按某種方法先進(jìn)行歸類)，得到M類抽象案例：

AbstractCasebase=＜Acasel，Acase2，…，AcaseM＞，其中M≤N

這M類抽象案例作為第一級(jí)索引，每類抽象案例中又含有數(shù)個(gè)具體案例，Acasei=＜caseil，casei2，…，caseiS＞, S為第i類抽象案例中所含具體案例數(shù)量。這些具體案例再按照案例的某項(xiàng)屬性的取值進(jìn)行索引形成第二級(jí)索引，如圖1所示。

2 多級(jí)索引中聚類方法的應(yīng)用

聚類將數(shù)據(jù)對(duì)象分組成為多個(gè)類或簇，在同一個(gè)簇中的對(duì)象之間具有較高的相似度，而不同的簇中的對(duì)象差別較大。聚類分析的方法可以對(duì)相似案例進(jìn)行歸類，形成抽象案例以進(jìn)行二級(jí)或多級(jí)索引。我們知道很多多聚類方法，如劃分方法(Partioningmethod)、層次方法(hierarchical method)、基于密度的方法(density-based method)、基于網(wǎng)格的方法(grid-based method)、基于模型的方法(model-based method)，它們各有優(yōu)點(diǎn)。聚類中常用的兩類數(shù)據(jù)結(jié)構(gòu)是數(shù)據(jù)矩陣和相異度矩陣。

數(shù)據(jù)矩陣(data matrix)：它用p個(gè)屬性來表現(xiàn)n個(gè)對(duì)象(案例)，例如用年齡、身高、體重、性別等屬性來表現(xiàn)對(duì)象“人”。這種數(shù)據(jù)結(jié)構(gòu)是關(guān)系標(biāo)的形式，或者表示為n×p的矩陣：

相異度矩陣(dissimilarity matrix)：存儲(chǔ)n個(gè)對(duì)象兩兩之間的近似性，表現(xiàn)形式是一個(gè)n×n的矩陣。

在這里玠(i,j)是對(duì)象i和j之間相異性的量化表示，通常是一個(gè)非負(fù)的數(shù)值，當(dāng)對(duì)象i和j越相似，其值越接近0；兩個(gè)對(duì)象越不同，其值越大。

下面用劃分方法進(jìn)行案例聚類。

給定一個(gè)含N個(gè)案例的案例庫，劃分方法構(gòu)建案例庫的K個(gè)劃分，每個(gè)劃分表示一個(gè)抽象案例，并且K≤N。劃分方法要求用戶輸入抽象案例的數(shù)目K，然后把案例庫中案例劃分為K類抽象案例。K值的確定可以采用統(tǒng)計(jì)的方法獲得。

在實(shí)際應(yīng)用中，絕大多數(shù)聚類過程采用了以下兩個(gè)比較流行的啟發(fā)式方法：

(1)K-平均法，該算法中，每個(gè)抽象案例用其所對(duì)應(yīng)的具體案例的平均值來表示。

(2)K-中心點(diǎn)法，該算法中，每個(gè)抽象案例用接近聚類中心的一個(gè)具體案例來表示。

在CBR系統(tǒng)中使用聚類方法只需在系統(tǒng)初次運(yùn)行時(shí)進(jìn)行一次案例聚類，以后就可以快速地進(jìn)行案例的檢索，極大減少了案例檢索的空間，有效地提高了案例檢索效率。當(dāng)有新的案例加入案例庫后只需把它加入最相似的一類抽象案例即可。對(duì)于用戶對(duì)檢索到的具體案例不滿意的情況，可以綜合同一抽象案例類中的所有具體案例的解決方案，向用戶提供一個(gè)綜合的決策支持。

參考文獻(xiàn)

［1］Jiawei Han，Micheline Kamber.數(shù)據(jù)挖掘概念與技術(shù)［M］．機(jī)械工業(yè)出版社，2005:223～254.

［2］Watson I．Applying Case-Based Reasoning：Tedmiques for Enterprise Systems［M］．San Francisco，California：Morgan Kaufmann Publishers，1997.