基于聚類與分類的自學(xué)習(xí)系統(tǒng)模型.pdf

1、基于聚類和分類的知識(shí)獲取方法具有很好的知識(shí)進(jìn)化和知識(shí)糾錯(cuò)能力.聚類就是在未知分類規(guī)則的情況下對樣本集進(jìn)行分群,分類就是在特征空間中用已知的規(guī)則對樣本進(jìn)行判別或者預(yù)測,兩者的結(jié)合可用于獲取未知知識(shí)和整理已經(jīng)獲得的知識(shí),從而使知識(shí)得到進(jìn)化或知識(shí)庫中的錯(cuò)誤得到糾正.通過詳細(xì)分析聚類與分類算法的性能、適用范圍以及優(yōu)缺點(diǎn),建立一個(gè)集成的自學(xué)習(xí)系統(tǒng)模型,采用集成聚類與分類的數(shù)據(jù)開采方法,由此建立起知識(shí)獲取模型.該模型無需事先整理大量樣本作為訓(xùn)練集和

2、測試集,能夠伴隨領(lǐng)域?qū)＜业娜粘９ぷ鱽韺W(xué)習(xí)專家的知識(shí),并自動(dòng)利用所學(xué)知識(shí)輔助專家工作,同時(shí)較好地解決了聚類分析初始參數(shù)難以準(zhǔn)確估計(jì)的難題.在上述自學(xué)習(xí)系統(tǒng)模型中,通過聚類分析來發(fā)現(xiàn)和修正知識(shí)庫中的錯(cuò)誤知識(shí),并且僅對出錯(cuò)鄰類進(jìn)行聚類分析,從而減少聚類分析的工作量,大大提高了系統(tǒng)的學(xué)習(xí)效率.實(shí)驗(yàn)系統(tǒng)基于面向?qū)ο蟮慕M件技術(shù)開發(fā),采用了具有良好的移植性和可維護(hù)性的JAVA語言實(shí)現(xiàn).知識(shí)的獲取能力和進(jìn)化能力在實(shí)驗(yàn)系統(tǒng)中得以驗(yàn)證,說明集成的自學(xué)習(xí)系統(tǒng)