1.一种融合关联函数和D-HS索引的实例检索方法，包括如下步骤：

S1：基于Sigmoid函数的D-HS索引方法改进；针对实例库实例属性值的非均匀分布现象导致的索引准确率低下问题，利用Sigmoid函数对属性值进行非线性变换，该变换能够在不改变数据整体分布及排列情况的前提下，对数据稠密及稀疏区域分别进行扩大和压缩，提高数据的辨识性和划分层级的能力；Sigmoid函数表达式如下：式中，系数β为样本数据的中位数，系数α＝ln9/t，其中参数t为样本数据90％分位点及

10％分位点到中位点的距离中的较小值；

S11：对实例库中的原始数据进行以自然对数e为底的对数处理，得到ln数据，再对ln数据进行降序排列；

S12：根据ln数据计算式(1)中系数α与系数β的值，再将ln数据代入式(1)得Sigmoid数据；

S13：根据Sigmoid数据划分索引区间，形成索引表；

S2：初步索引集SP获取；将目标实例的相关属性值转化为Sigmoid数据，将其代入索引表中并结合公式(2)计算实例库中各实例相对于目标实例的属性匹配度，剔除实例库中属性匹配度过低的实例形成初步索引集SP；

S3：初步索引集SP内实例关联函数计算；目前，关联函数对模糊型参数的度量尚处空白阶段，模糊型参数包括模糊数值型、模糊区间值型和模糊概念型；因此将关联函数与模糊数的表达方式相结合，提出了模糊关联函数的概念和相关计算公式；此外，结合层次分析法提出了单维关联函数组合相似性度量方法；

S31：关联函数类比于模糊集理论中的隶属度函数，能够定量刻画事物属于某区间或者拥有某性质的程度，式(3)为关联函数表达式，式(4)和式(5)分别为侧距和位值表达式；

D(x,X0,X)＝ρ(x,x0,X)-ρ(x,x0,X0)                        (5)式(4)中，x,x0分别表示空间上某点及最优点，X0表示空间中的范围约束；x1,x2分别表示点x与x0的连线与区间X边界的交点，其中x1为离x0较近点；Ext(x0x1)表示沿直线x0x1并以x1为起点的射线，Ext(x0x2)同理；x＝x0表示点x和最优点x0重合；-max{|x0M|}中M表示区间X各顶点，-max{|x0M|}意为取最优点x0与区间各顶点距离最大值的负数；

由式(5)知，位值D(x,X0,X)等于以X为区间的侧距ρ(x,x0,X)与以X0为区间的侧距ρ(x,x0,X0)的差值；区间X与X0分别表示可行区间和理想区间，故 当区间X与X0不存在共同边界时D(x,X0,X)恒小于0，当存在共同边界时D(x,X0,X)恒小于等于0；

S32：模糊数通常由三角模糊数和梯形模糊数来表示，式(6)、式(7)分别为两者隶属度函数表达式；

式中，s1,s2为两支撑点，sM为峰值点，在支撑点及支撑点两侧隶属度为0，峰值点上隶属度为1；在实际应用中，三角模糊数用 表示；

式中，t1,t2为两支撑点，在支撑点及支撑点两侧隶属度为0，当 时隶属度为

1；在实际应用中，梯形模糊数用 表示；

假设实例ci的第m个和第n个属性分别为模糊数值型和模糊区间值型，表达方式为约和约 则第m个属性用三角模糊数 表示，其中：同理，第n个属性用梯形模糊数 表示，其中：

基于上述模糊数的表达方式，将其类比至关联函数计算三要素，即最优点，理想区间，可行区间，对于三角模糊数 sM类比为最优点x0，区间[s1,s2]类比为可行区间[X1,X2]，再根据用户需求并结合设计标准，由最优点及可行区间获取理想区间[x1,x2]；同理，对于梯形模糊数 区间 类比为理想区间[x1,x2]，区间[t1,t2]类比为可行区间[X1,X2]，结合上述区间获取最优点x0；

S33：模糊数值型参数关联函数度量；根据上文中模糊数与关联函数的表达式及关系，提出模糊数值型侧距ρ(x,x0,X)表达式和数学计算分别如式(10)和式(11)所示；

式中， 表示三角形Qxx0的面积， 表示梯形Qx0xM的面积，其余同理；

意为取三角形QX1x0面积与三角形QX2x0面积中的较大值，因规定X1为离x0较近点，故

关联函数需要分别计算可行区间X与理想区间X0的侧距，在面对模糊数值型参数时两者计算方法类似，即将可行区间X＝[X1,X2]替换为理想区间X0＝[x1,x2]，因此不再赘述侧距ρ(x,x0,X0)的表达式，计算图示和数学计算式；

将侧距ρ(x,x0,X)和侧距ρ(x,x0,X0)的计算结果代入式(3)与式(5)即求得模糊数值型参数对应的关联函数值；

S34：模糊区间值型参数关联函数度量；提出模糊区间值型侧距ρ(x,x0,X)表达式和数学计算分别如式(12)和式(13)所示；

与模糊数值型参数不同，模糊区间值型参数的两侧距计算方法并不相同，理想区间X0的侧距ρ(x,x0,X0)的表达式如式(14)所示，式(15)为对应数学计算式；

将侧距ρ(x,x0,X)和侧距ρ(x,x0,X0)的计算结果代入式(3)与式(5)即求得模糊区间值型参数对应的关联函数值；

S35：模糊概念型参数关联函数度量；针对模糊概念型参数，引入模糊语义进行对应量值转化，即某性能很差：0.2；某性能差：0.4；某性能一般：0.6；某性能好：0.8；某性能很好：

1.0；上述对应含义的中间值：0.1、0.3、0.5、0.7、0.9，再将量化后的值与模糊数值型参数相结合，即用三角模糊数进行表示：某性能很好转化为模糊数值型参数：约1.0；某性能很差转化为模糊数值型参数：约0.2，再根据对应公式即求得关联函数值；

S36：整体相似性度量；上文给出了确定型和模糊型参数的关联函数计算公式，根据上述公式求得实例间各维属性的关联函数值，再结合由层次分析法得到的各属性权重即获取目标实例与初步索引集SP内实例的组合关联函数，以此刻画两者相似度，计算公式如下：式中，k(A*)表示组合关联函数，k(Ai)表示属性i的关联函数，wi为对应权重；

S4：相似实例经检索、重用和修改后作为新实例重新入库，故在此过程中实例库实例各维属性值的分布情况不断变化，属性值非线性变化后的分布情况亦随之不断变化，因此对应区间的划分不是一成不变的，而对于区间的划分操作在实例库更新维护时完成，不必在每次检索前进行。