王义祥，邬群勇

(福州大学 福建省空间信息工程研究中心，福建 福州350002)

案例特征属性权重反映了该属性相对于其他属性的重要程度，以及单个属性对问题解决的贡献程度[1-2]。案例特征属性权重向量的选取将直接影响到检索出案例的质量的好坏，并进一步影响到CBR推理的效率和质量，同时也决定了案例复用与修改的难易。

在传统的CBR系统中，特征属性的权重常采用专家主观赋权法[3]，即特征属性的权重一般事先由领域专家根据经验进行主观判断给定，并且特征属性的权重一旦确定以后，便被永久地固定在系统中，一般很少改变。然而在许多场合下，特征属性对问题解决的贡献程度呈现着一定的波动性，即特征属性的权重会随着环境、时间等因素的变化而变化[4]。因此，需要对特征属性权重进行动态调整。

本文在分析现有案例特征属性权重调整方法存在问题的基础上，充分参考CBR的思想，提出了一种基于CBR的特征属性权重选取与自修正方法，充分利用权重分配的历史经验，指导当前权重问题的动态分配与调整。

1 特征属性权重选取基本方法

国内外学者对于特征属性权重选取做了大量研究，并提出了多种权重向量选取与调整方法[5-7]，如Pull&Push、遗传算法、基于时序等。

1.1 Pull&Push调整法

Pull&Push调整[8-9]基于训练样本成功和失败的检索经验来调整特征属性权重。当源案例被正确检索出来，如果源案例与目标案例对应特征属性的属性值相同，系统将自动提高该属性的权重，否则系统将自动降低该属性的权重；……