基于案例推理(Case Based Reasoning,CBR)是近二十几年来人工智能中新崛起的一项重要技术,是作为基于规则推理技术的补充,在一定程度上弥补了基于规则推理技术中存在的知识获取的瓶颈问题的缺陷。但在CBR系统的实际应用中,知识获取仍存在一定的瓶颈问题,于是本文引入数据挖掘技术和蚁群算法,试图提高CBR中知识获取的自动化程度以提高系统的运行效率及整体性能,从而大大加快开发周期。 本文在对CBR、数据挖掘及蚁群算法基本知识介绍的基础上,提出了基于蚁群算法和数据挖掘技术构造案例库的方案。将数据挖掘技术中的分类、聚类、离群数据分析等技术集合到一起从传统数据库中构造案例库,在聚类及离群数据分析过程将采用改进的蚁群算法。经实验验证,该算法较系统聚类算法在聚类这一过程中效率有所提高,且为下一步的离群数据挖掘和分类工作提供了很好的基础。同时经研究发现蚁群算法的关键参数的取值对聚类结果影响很大,因而对具体的不同类型的数据库采用此算法进行测试可更完整、更准确地了解该综合算法的性能。