随着案例推理方法(Case-Based Reasoning,CBR)在实际应用中的不断普及和发展,案例库的规模也在不断膨胀,这带来了两个互相消长的结果：一方面,随着案例数量的增加,案例库中包含了更多的知识,增强了系统解决问题的能力；另一方面,随着案例库规模的扩大,不一致的、不完整的、冗余的、垃圾案例增多,降低了案例库的质量,影响了CBR系统的性能。因此,如何控制案例库的规模,保护CBR系统解决问题的能力,提高案例库的访问速度,成为当前CBR研究与应用的关注焦点。本文采用多种策略对案例库进行综合维护,并对原有策略进行合理的改进,保护CBR系统解决问题能力的同时,合理控制案例库的规模。首先,使用自适应模糊C均值方法对原有案例库进行聚类处理,将聚类正确的案例存入到案例库中并将不同的聚类在逻辑上分别存储,将聚类错误的案例删除,由此去除噪音案例,实现对原案例库的精简及存储结构的优化,得到高效的案例库。由于案例库中的案例数减少,不但节省了案例库的存储空间,也可以提高案例检索效率。其次,以聚类的中心及案例的属性构建案例库的二级索引机制,并通过缓存案例库的设立及合理的实时案例存储策略的制定,使案例库在工作过程中合理的增加新案例并更新索引。最后,使用基于邻域粗糙集的前向贪心数值属性约简算法对案例的属性进行约简,删除无用属性以减少案例库的存储量。通过全面的维护及对原有技术的改进,案例库的性能将得到有效的提升。