概述概述KNN-最近邻算法k-近邻算法k-近邻算法的说明对k-近邻算法的说明对k-近邻算法的说明对k-近邻算法的说明局部加权回归局部加权回归的说明最近邻决策规则—k-NN径向基函数总结基于范例的推理概述目前国内的研究状况基于范例学习的一般过程主要问题主要问题主要问题基于范例推理流程范例的表示范例的表示范例的表示AgendaDisadvantagesofHTMLAdvantagesofXMLAdvantagesofXML描述的灵活性（体现在元素和属性嵌套定义上）ThestructureofXMLEverydocumentmusthaveasingletop-levelelementThestructureofXMLThestructureofXMLThestructureofXMLThestructureofXMLWhyXMLisnotenoughWhyXMLisnotenoughWhyXMLisnotenoughWhyXMLisnotenough范例的表示范例的表示范例的表示范例组织范例内容范例索引范例的检索特征辨识初步匹配最佳选定相似性关系语义相似性个体相似性相似性计算相似性计算相似性计算范例的复用范例的复用--替换法范例的复用--替换法范例的复用--转换法范例的复用--派生重演中心渔场预报专家系统中心渔场预报专家系统中心渔场预报专家系统中心渔场预报专家系统中心渔场预报专家系统机器翻译机器翻译机器翻译机器翻译机器翻译基于范例的推理辅助简单机械设备的总体设计辅助简单机械设备的总体设计基于范例的推理基于范例的推理基于范例的推理对消极学习和积极学习的评价小结k-近邻假定范例对应于n维欧氏空间中的点，一个新查询的目标函数值是根据k个与其最近的训练样例的值估计得到径向基函数网络是一类由空间局部化核函数构成的人工神经网络，可被看作是基于范例的方法和神经网络方法的结合基于范例的推理使用复杂的逻辑描述而不是欧氏空间中的点来表示范例。给定范例的符号描述，已经提出了许多方法将训练样例映射成新范例的目标函数值基于范例推理的智能决策支持系统概述概述概述概述基于范例推理的决策支持系统基于范例推理的决策支持系统决策范例的表示形式在决策范例的描述中，范例描述的核心内容有：1)决策问题的环境描述：是决策问题的说明信息，描述了决策问题的状态与条件等。2)决策问题的描述：是决策问题本身的说明，是关于决策问题的完整描述。3)决策问题的求解方法：针对上述决策环境下出现的决策问题的求解方法。针对决策支持，对范例的描述与表示有如下要求：1)有用性：所选取的范例应该是典型的，对有类似结构的决策问题具有一定的指导意义，对新问题的解决具有启发性。2)抽象性：一个决策范例是在特殊决策环境下、针对一定的决策问题而产生的决策，以及执行这个决策的全过程的描述。但在基于范例的决策支持时，它是作为问题求解类比知识源而用于具有类似结构的决策问题，因而索引时应尽可能地发现和利用其共同特性，以便更有效地指导对新问题的求解。3)具体性：范例的抽象性有可能影响基于范例的决策支持的有效性，使系统不能发现新的决策环境下出现的新的决策问题与相似决策范例之间的本质差别，因而索引时抽象性与具体性要相互协调。决策范例的索引决策范例的组织与检索决策范例的修正决策范例的学习和归纳决策范例库的维护用于决策支持的基于决策范例的推理与学习过程如图实现上述决策支持过程的基于范例推理的决策支持系统的体系结构如图范例库存放有关的决策范例，范例库管理系统完成范例存储、特征的抽取、范例的索引、范例的学习和维护等；模型库系统管理能支持该领域决策的模型；知识库存储专家经验和以规则形式表示的有关知识、范例推理中的相关知识等，其管理系统则完成维护功能；基于范例的推理系统完成基于范例的推理过程；其他部分与一般的决策支持系统的相应部分相同。在基于CBR的智能决策支持系统中，决策用户扮演着重要的角色，主要完成以下任务：①在相关算法(如粗糙集)辅助下，抽取当前问题(或子问题)的主要特征；（后续）基于数据挖掘和范例推理的IDSS(2)模式2数据仓库和OLAP的结合，它从数据仓库中提取综合数据和信息，这些综合数据和信息反映了大量数据的内在本质；(3)模式3专家系统和数据挖掘的结合。数据挖掘是从范例库和数据仓库中挖掘知识，放入专家系统的知识库，进行知识推理达到定性分析辅助决策。以上3种模式既可以相互补充，又可以相互结合。根据实际问题的规模和复杂程度，来决定是采用单个模式辅助决策还是采用两个或是三个模式的相互结合辅助决策。这种更高形式的辅助决策系统，辅助决策能力将会大大提高，但由于这种形式的决策支持系统包含了众多的关键技术，研制过程中将要克服许多具体技术难题。基于范例的集成推理模型的IDSS基于范例推理的决策支持系统