Page 110 - 物聯網金融商機

102

案例庫推理演算法

茲以上述案例式推理演算法說明如下：案例庫推理 (Case-

Based Reasoning，CBR) 是指利用過去解決問題過程當中所記
錄儲存下來之相似情況和關於此相似情況之資訊、經驗以及知
識，CBR 以搜尋與適應的方式取代以法則為基礎的推理機

制。因此，其相對解決此新問題之經驗方案，隨即被儲存為一
個新的案例，來解決未來新的問題。CBR 是一種模擬人類記

憶來做推理。經由經驗獲得推理，使用舊有的案例以解釋並解
決新的問題。它是透過修正那些解決舊問題的方法來嘗試解決
新問題，藉由學習與推理，CBR 成為類似專家的系統。它用

以取代人過去經驗的方法，CBR 在模擬專家決策過程中，並
不需要發展出複雜的模式，案例式推理並不是靠規則的連結，
而是從記憶庫中擷取相似度最高的案例。案例具有的特徵是：

問題描述、解決方式及結果。應用：醫療影像的解釋以支援決
策與診斷等。案例式推理演算法包含擷取 (retrieve)、重新使
用 (reuse)、修正 (revise) 及保留 (retain) 等項目，茲分別說

明如下：
(1) 擷取 (retrieve)：

即由案例庫中擷取和目標案例 (problem case) 之訓練
誤差相似的案例，在案例擷取過程中可採用決策樹
(例如：ID3)、模糊邏輯及資料庫等，也就是以等於

「實際的訓練案例之解」和「所擷取最相似案例之
解」相減取絕對值，來擷取一個或多個相似度最接近
的案例。