1、貝葉斯網(wǎng)絡(luò)(BN)是Pearl提出的一種基于概率論和圖論的不確定知識表示模型。它具有清晰語義的網(wǎng)絡(luò)結(jié)構(gòu)；它揭示領(lǐng)域?qū)ο蟮膬?nèi)在結(jié)構(gòu)，是復(fù)雜全概率分布的緊湊表示方式；其堅實的理論基礎(chǔ)、知識結(jié)構(gòu)的自然表述方式、靈活的推理能力、方便的決策機制及有效的學(xué)習(xí)能力使其成為一種主要的不確定知識的處理方法。貝葉斯網(wǎng)絡(luò)已經(jīng)在專家系統(tǒng)、決策支持系統(tǒng)、數(shù)據(jù)挖掘系統(tǒng)和范例推理系統(tǒng)等許多重要領(lǐng)域產(chǎn)生應(yīng)用價值和經(jīng)濟效益。范例推理(CBR)是近十幾年來人工智能中發(fā)展起

2、來的有別于基于規(guī)則推理的一種推理模式，它是指借用舊的事例或經(jīng)驗來解決新的問題，評價解決方案，解釋異常情況或理解新情況。CBR興起的主要原因是傳統(tǒng)的基于規(guī)則的系統(tǒng)在知識獲取問題上存在困難，對于處理過的問題沒有記憶，導(dǎo)致推理效率低下、不能處理事例的例外情況，整體性能較為脆弱，而CBR恰好能夠解決以上問題。CBR的顯著優(yōu)點有：信息的完全表達，增量式學(xué)習(xí)，形象思維的準(zhǔn)確模擬，知識獲取較為容易，求解效率高等。本論文研究了貝葉斯網(wǎng)絡(luò)、范例推理以及貝