基于模糊理论扩充的归纳学习方法和思想

• 作 者: 陈建祥 肖卫东 宋峻峰
• 机 构: 北京1092信箱,国防科技大学管理科学与工程系
• 出 处: 计算机工程与科学
• 发表日期: 2006年4期
• 关键词: 归纳学习 机器学习 向量空间 相似度 距离 inductive learning machine learning vector space similarit

归纳学习是机器学习最重要、最核心也是最成熟的一个分支，但在应用归纳学习所获得的知识以及改进归纳学习算法等方面存在着很多传统方法难以解决的问题。本文从归纳学习的本质——归纳依赖于数据间的相似性出发，尝试将能够较好地定量反映数据间相似性程度的模糊理论应用到归纳学习中去，为归纳学习和机器学习找出一个新的研究方法和思路。