当今知识经济时代,知识已成为社会的核心生产资料。在知识总体中,隐性知识占很大一部分比例,且其更接近价值实现的环节。案例是隐性知识的一种,基于案例推理系统是对案例进行管理的自学习系统,其中案例检索是其核心技术之一。对案例检索的研究多限于案例检索算法即案例匹配算法,实际上,完整的案例检索系统包括案例表示、组织和匹配计算等过程,本文主要对这几个过程及相关理论进行研究。本文首先介绍知识管理中RS-CBR系统案例检索的研究背景,引申出其研究意义,总结国内外相关研究现状,分析其中存在的主要问题,说明本文的研究出发点、组织结构及主要研究内容。其次介绍KM、CBR及RS的相关理论,包括知识的定义特点、知识管理的发展历程,CBR的定义特点、应用、过程模型及其与知识管理的有机融合,RS的相关定义、应用、其与CBR在案例检索中的融合。然后对RS在案例检索中的具体应用技术进行详细说明。考虑到RS应用时数据为连续型和数据缺失的问题,探讨了基于信息熵的连续型数据离散化和基于粗糙集数据补缺的处理方法。在数据预处理的基础上,选用可操性强的粗糙集方法进行属性约简。进行属性权重配置时,选用组合策略,结合完备的粗糙集权重配置方法和模糊层次分析法。最后从全过程的角度分析案例检索,即在研究案例检索时要基于案例表示的方法、结构和案例组织索引。文章在综述知识表示方法后,提出了面向对象基于框架方法的案例物理结构,然后建立了本文的案例组织索引策略。在案例匹配计算研究方面,针对案例库规模大小选用与之相应的方法,当案例库规模较小时,采用最近邻法进行检索；当案例库规模较大时,提出了基于模糊C均值聚类的二次检索模型。