利用案例推理方法构造分类器时，案例的重用与修正对分类器的分类精度有着重要影响。针对案例推理分类器的分类精度问题，本文提出了基于可信度的案例评价策略和一种基于属性权重的案例修正策略。首先在案例重用后引入案例评价环节，通过对重用结论的可信度评价将重用后的目标案例集分为可信集和不可信集两种；其次在案例修正环节引入基于属性权重的修正策略，本文采用遗传算法对属性权重进行分配，将权重结果应用于不可信集进行＂二次检索＂来完成分类器的步骤。最后通过实验对比，表明本文方法不仅能极大地提高分类精度，还能够保障分类结果的可信度。