在油墨成分分析应用领域常常有某一油墨不符合使用要求的情况发生。如果能把不符合使用要求的油墨样品通过添加助剂、掺配等方式使之成为合格油墨,则可以使有限的油墨资源得到最充分的利用,这是一项有巨大经济效益的油墨应用业务。　　由于油墨成分的复杂性,很难预测添加助剂、掺配后油墨品质的变化方向,因此,对特定油墨、特定指标不合格的处理方法,具有很大的盲目性。本文提出了一个基于数据挖掘技术的类比推理系统——油墨分析计算机管理系统(OACMS)来指导油墨指标的修正。一、 基本思想和求解模型　　基于类比推理的启发式搜索技术,是通过类比这种方法获得与新问题相似的过去问题的求解过程，作为启发信息来指导新问题的求解,从而可减少搜索的盲目性,缩小搜索范围,降低问题求解的难度。　　一般基于类比推理的启发式搜索都直接应用事例库作为搜索空间,这样处理的结果将导致两个方面的问题:　　1．系统的性能会在系统的运行过程中不断降低。随着求解次数的增加,求解事例的不断积累,搜索空间将不断膨胀,虽然这样可以使系统有充分多的机会获得与求解问题相似的过去问题的求解事例,但同时也会导致启发式搜索信息的饱和,使系统效率降低,性能变坏。　　2．系统的性能将在很大程度上依赖于搜索费用和事例启发作用的折衷情况。事例库记录的内容不完全,可以降低对事例相似程度的要求,匹配过程可能会比较容易,但是过去事例指导求解的启发作用将减弱;事例库记录的内容过于详尽,则对事例的相似程度要求比较高,匹配过程困难,搜索费用提高,还可能导致系统将比较多地依赖于弱方法进行求解。　　现实生活中人类不是把过去的经验一点不漏地存在脑子里,而是用一个通用的数据结构形式来存储,即存在一个从过去的事例数据中挖掘有用信息的过程。这是一种通过不断求解问题、积累经验、增强问题求解能力的有效方法。本文考虑的解决方法是采用数据挖掘技术,从大量的事例库资料中概括抽象出具有层次结构的关联规则,系统通过从规则库中搜索匹配规则求解。由于数据挖掘产生的是层次结构的求解信息,系统可以在降低搜索费用的同时,最大限度地减少信息丢失的影响,保持系统的搜索质量,从而保证系统随着运行时间的增加,问题的求解效率会不断提高。求解模型如图（求解模型）所示。　　过去积累的经验知识可以分为两类:浅层次的事例库和从事例库中经过数据挖掘产生的规则库。在系统运行初始时,事例库中缺少求解事例,规则库中有少量简单的过去经验规则,所以系统要采用弱方法进行搜索求解。当系统积累了一定的事例经验后,新问题的求解首先在规则库中进行搜索,若规则应用成功,图中： 事例库记录过去事例的求解过程;规则库存储对事例库中的数据进行抽象处理后产生的处理规则;控制策略规定如何判断事件的相似程度;类比推理机制规定在具体相似程度下如何进行业务处理,并完成事例库、规则库和控制策略的增加、修改、删除操作。则求解成功。否则,搜索事例库,若存在相似问题的求解,则以此为启发信息,指导新问题求解。如果仍然没有相似的过去问题的求解过程,则采用弱方法求解,并将新问题求解过程加入事例库。过去积累的经验越多,规则库的应用越有效;新问题与过去问题的相似程度越高,则求解过程的搜索次数也就越少。二、系统实现　　在实现过程中,需要解决①如何生成求解事例； ②如何定义和判断两个事例的相似程度； ③如何从大量的事例中抽象出一般性规则； ④如何进行规则库和事例库的维护工作； ⑤如何使用启发信息指导新问题求解等五个方面的问题。　　生成求解事例时，在记录和保存问题求解过程中，对将来的求解搜索具有启发作用的特征信息。定义搜索过程中的特征信息包括搜索路径上的操作序列和选择每个操作时的求解问题的状态值。由于规则库的引入,可以尽可能详尽地描述特征信息。在OACMS中,搜索过程的特征信息包括对油墨进行的处理操作描述、进行该处理操作的影响因素和油墨每经过一次处理后的指标变化情况。　　由于需要找出事例库中与新问题相似程度最高的事例指导求解,因此,需要判断两个事例之间的相似程度。OACMS通过对每一特征信息赋权值的办法来确定两个事例的相似程度,这种寻找最佳相似匹配过程的搜索费用在事例库膨胀时会比较高,为此,系统引入规则库来降低搜索费用。　　如果某一类型事例的发生较为频繁,采用从事例库搜索某一特定事例来处理，会无效地增加搜索费用,采用对某一类型事例一般化,根据一般化规则进行问题求解,可以合理地降低搜索费用,而且不损害对新问题求解的指导作用。笔者在OACMS中采用了将特征信息的属性值按一定区段进行划分,再映射为布尔量的方法，获得一定支持度和一定可信度的一般化规则。可信度约束一般化规则代表某一类事例发生的频繁性,只有达到一定频繁程度的事例才有必要给出一般化规则;支持度约束一般化规则的准确性,只有达到一定准确性的一般化规则才对问题求解有指导作用。　　对事例库和规则库的维护操作包括增加、修改和删除。对事例库的搜索有两种情况,搜索成功和搜索失败。搜索失败,则新问题采用弱方法求解的事例直接在问题求解的过程中填写其特征信息,完成对事例库的增加操作。搜索成功又会产生两种情况,一种是特征信息完全相同,求解路径相同;另一情况,可能由于特征信息不能涵盖所有对问题求解有影响的因素,类比推理失败。在第二种情况下,需要对事例库进行修改,将新问题的求解作为新事例加入事例库。在OACMS中,采用奖惩函数来确定采用哪条求解路径来指导将来对相似问题的求解。同样,采用奖惩函数和一定的阀值来确定是否需要删除某一事例,以降低将来的无效搜索费用。规则库的维护原因主要来自与事例库的变化和支持度、可信度的变化。由于规则库的更新需要扫描整个事例库,不宜采用事例库的变化触发规则库的更新形式,为此,OACMS采用定期完成规则库更新的工作方式。　　利用启发信息指导新问题求解的主要问题是解决求解过程中的失配问题。如果搜索过程不能得到启发信息,则采用弱方法求解,并加入事例库;如果搜索过程获得完全相同的启发信息,但求解失败,使用奖惩函数将该事例作为原求解事例的反例进行扩充;如果搜索过程获得部分相似的启发信息(不宜将规则应用于部分相似情形),使用启发信息及弱方法求解,并将新事例加入事例库。 西安理工大学　　刘志鹏　　和克智　　许少华 来源:广东包装