论文部分内容阅读
检索是CBR的关键步骤。该文将检索过程分为两步:首先由偏好驱动抽取特征,组成检索范例,并通过上下文约束,从源范例库中选定范例的初步匹配集,然后再从初步匹配集中挑选出最相似的范例集。由于常用的K-NN算法对权值的分配特别敏感,该文提出了一种基于内省学习的自动权值修改策略,明显加快了范例检索的速度,改善了范例推理性能。