CBR与模糊结合基于时间范例的预测技术
基于范例的推理(case．捌reasoning)是一种快速构造专家系统的有效工具¨’21．将 CBR技术和模糊理论结合起来用于预测是一个较新的课题，它为预测技术提供了一种新的
途径【“．目前国际上在这方面研究比较有代表性的工作有：1995年Weber-Lee等使用模糊
逻辑技术和CBR技术预测现金流量【41；1997年Hansen和Riordan提出将FUZZY k-NN技
术应用到连续向量的时问序列上，进行有效的预测川；2001年Hansen将FUZZY k-NN技
术应用于机场云层高度和可视度的预测，取得了比一般基于气象模型的预测方法更好的效
果[“．摄像头输出RGB模式的型号有哪些
这些算法的主要问题是：(1)在范例和时间范倒的相似度计算过程中使用了大量的极大
极小运算，许多有用的信息被丢弃了；(2)所使用的时间遗忘算法不太理想；(3)没有考虑到
被预测量均值是变化的情况，
本文主要内容是将[4～6]的算法进行改进，使用了线形加权的运算代替极大极小运算
进行相似度的计算，采用了渐近时问遗忘算法，并且在进行预测时采用了被预测量后处理使
之适用于均值是变化的情况．1时间范例匹配和预测的工作原理
本节主要阐述将时间范例匹配和预测的工作原理．实际上是对基本模糊k-NN算法}7’
的进一步改进，使之能够适合于时间范例相似度的计算．
时间范例(temporal case)是一种特殊类型的、与时间相关的范例，它是一些范例点在时
问上的有序序列．例如：本文来自优'文^论.文~网，加7位QQ324,9114找源文www.youerw.com一只股票每天的开盘价，收盘价，成交量，最高价，最低价等属性构成
一个股票在一天的范例点；若干个按照时问顺序排列的股票范例点，构成一个时间范例．例
如：股票的一周的走势是一周5个股票范例点的有序序列构成的时间范例．时间范例在股票
走势预报、天气预报方面有着非常有价值的应用前景．应对金融危机税收政策调整研究_开题报告_任务书
预测过程分为3步：(1)获得当前f=0时刻时序数据构成一个当前0时刻的范例点，然
，舌与当前时刻以前的若干个有序范例点(￡=一l，一2，一3……)一起构成一个时间范例，如
图1所示；(2)使用模糊k-NN技术寻找出和当前时间范例最匹配的^个时问范例；(3)从这
^个时间范例中0时刻以后(f=1，2，3……)的走势中导出对被预测量的估值．
模糊-NN算法的目的是从历史时问范例库中寻找出和当前时间范例最匹配的^个时
间范例．模糊女．NN算法是对^一NN算法的改进，在模糊k-NN算法中可以使用模糊值的范
例属性值，可以定义模糊属性的相似度和时间范例的模糊相似度．模糊女一NN算法更接近人2694