摘要：医疗决策案例中非连续性属性信息大量存在,含该类信息的案例知识发现是多属性案例决策的关键和难点。该文研究了含非连续性属性信息案例中的决策知识发现,将条件概率和GAs融合技术整合到案例推理方法之中,开发了KNN的延伸方法——CRMGACP法。该方法的核心是基于Gas进行权重获取和基于融合条件概率的改进相似度算法进行案例知识获取。在某大型综合医院收集数据,获取有效数据300条,基于VC＋＋开发实现的BC-CBRsys平台进行了实验研究,结果表明CRMGACP比其他常见方法具有更好的性能,在多个统计指标上展示出显著的优势。显然,改进的案例决策方法克服了含非连续性信息案例决策知识难以获取的问题,在临床决策领域具有广阔的前景。

关键词：复杂多属性决策 公共卫生管理 知识发现 离散变量 案例推理 

单位：合肥工业大学管理学院 安徽合肥230009 安徽大学艺术与传媒学院 安徽合肥230011 南京大学信息管理学院 江苏南京210093 安徽省产业转移与创新发展人文社会科学重点研究基地 安徽合肥230009