随着信息技术的发展，智能手机越来越多的出现在人们的生活当中，其功能日趋完善，手机的软、硬件构造也越来越复杂，在生活中扮演的角色也越来越不可或缺，因此手机一旦出现故障势必会很大程度影响人们的使用。手机在出现故障时，故障点的查找都是依靠人工查找，往往会出现误诊或者漏诊，其准确性有待进一步提高。基于案例的推理（Case-Based Reasoning，CBR）技术是近年来在人工智能领域兴起的一种新的问题求解方法，将该方法引入到手机的智能故障诊断当中，能够提高对手机故障的诊断能力。因此，研究基于CBR的手机智能故障诊断技术，能够帮助准确定位手机故障点，辅助手机故障维修。本文在CBR的基础上，研究在云环境中手机故障案例检索时的案例匹配问题，提出了一种基于粗糙集和欧式距离的相似度匹配算法CRE（Case matchingalgorithm based on Rough-sets and Euclidean distance）。首先云计算平台收集手机故障参数，根据参数构建粗糙集信息表，利用粗糙集求出信息表里各案例特征参数的属性客观权重值并结合专家经验给出综合的属性权重值，最后利用欧式距离（Euclidean distance）计算新案例与案例库中案例的相似度，在计算相似度时权重值时取以上得出的综合属性权重值，通过相似度计算找与新案例最相似的案例。该算法在确定案例属性权重值时基于数据本身和人工经验，避免了过分依靠人工经验知识设定属性权重的不足。仿真实例说明了算法的有效性。本文的创新点在于将粗糙集理论引入到案例推理的过程中，利用粗糙集可以从已有案例的角度出发，计算出各案例特征参数的属性客观权重值，之后结合专家经验给出一个综合的权重值，利用此综合权重值去计算案例间的相似度，从而使最终的相似度结果更准确。手机作为移动互联网的主要终端，未来它的地位会愈发重要。云环境下的手机智能故障诊断也面临诸多挑战，本文在已有研究成果的基础上，将人工智能领域的案例推理引入到手机的智能故障诊断中并尝试性的提出CRE，具有一定的理论价值和现实意义。