知识发现是当今活跃的具有广阔应用前景的研究领域,是人工智能、统计学、机器学习、数据库等多领域相互交叉的研究方向,帮助人们更好地利用各种数据源,为做出正确的决策而服务。其中基于范例推理(Case-Based Reasoning CBR)是知识发现研究中的重要内容。CBR是由目标范例的提示而得到记忆中的源范例,并由源范例来指导目标范例求解的一种策略,其应用范围日趋广泛,尤其在知识不良定义和缺乏专家知识的领域,应用起来效果很好。 本文在对知识发现和范例推理技术研究的基础上,在以下几个方面进行了深入的研究: 1、综述了范例库的建立和维护知识,范例库上的知识发现的目标、步骤、主要方法以及基于知识发现技术的CBR系统等相关内容。 2、提出基于CBR的知识发现算法模型。该模型包括四个计算模块,分别用来确定属性的权重,衡量范例之间属性上的相似性,计算新、旧范例之间的距离,最终确定出目标范例可能属于的范例库和该范例库中与目标范例最为相似的范例。 3、将基于CBR的知识发现算法模型应用于实际人力资源数据分析。以合肥某企业员工职业生活质量的相关数据为背景,建立员工工作态度高、中、低等范例库,并在这三个范例库中应用建立的知识发现算法模型进行分析,验证了该模型在实际应用中的可能性。