基于Rough集方法的機器學習技術研究.pdf

1、機器學習是人工智能領域中重要的研究課題，是用計算機模擬人類學習活動的一門科學。機器學習用計算機模擬和實現(xiàn)人類的學習過程，目的是獲取知識，有歸納學習算法、神經(jīng)網(wǎng)絡、遺傳算法等學習算法，支持向量機(SVM)是現(xiàn)在機器學習研究中較熱門的學習算法。歸納學習是機器學習的主要分支，主要研究如何歸納出一般性概念的描述。實例學習是歸納學習方法中的一種有導師學習方法，它從若干實例(包括正例和反例)歸納出一般概念或規(guī)則。雖然機器學習的研究方法和理論基礎很多

2、，但目前似乎還沒有一種被普遍接受。 Rough集理論是一種處理模糊和不確定性問題的新型數(shù)學工具，其主要思想是將知識理解為對論域的劃分，在保證分類能力不變的情況下，通過知識約簡，導出問題的決策規(guī)則。突出的數(shù)據(jù)處理能力使得Rough集方法可應用到機器學習中，用以研究不完備學習訓練系統(tǒng)完備前后學習質(zhì)量和學習過程的變化，包括導師知識不完備訓練系統(tǒng)和學習者知識缺失學習系統(tǒng)，也可用來研究動態(tài)學習中增加或刪減實例時學習質(zhì)量變化，從而Roug集