| 题名 | 归纳学习泛化问题的理论及应用 |
| 作者 | 阮闯 |
| 学位类别 | 工学硕士 |
| 答辩日期 | 1992-06-01 |
| 授予单位 | 中国科学院自动化研究所 |
| 授予地点 | 中国科学院自动化研究所 |
| 导师 | 王珏 |
| 学位专业 | 模式识别与智能系统 |
| 中文摘要 | 智能的一个重要体现就是学习能力。归纳学习是机器学习领域研究得最 深入的方面。对归纳学习的研究不但本身具有重要意义，而且对于理解诸如演 绎学习和类比学习都是有益的。归纳学习近年来发展很快，不仅仅是一些经验 的学习算法了，已经能对归纳学习的某些方面作出理论分析。这大大加深了人 们对学习问题的理解。 本文回顾了归纳学习的发展历史，介绍了它的工作原理、学习方法，重点 讨论了归纳学习的泛化问题，反映了作者在这方面的一些思考。这源于作者在 学习期间参加的归纳学习的应用工作。在尝试了多种归纳学习方法后，作者综 合并改进了现有的学习方法，用基于决策树的构造性学习方法较好地解决了 对四川盆地暴雨气象资料的学习问题。通过加入特征构造、特征泛化和特征过 滤机制改进了算法的泛化效果。 通常学习系统泛化效果评价都以正确率为判据，但实际问题有难易之别， 正确率无法体现出相对于问题的难度学习系统表现出的效果。作者提出了一 类品质判据，用它可以评价学习系统相对某个与问题难度有关的基准的泛化 效果。对它常用的两种特殊情况文中作了深入分析，其中的一种要比现有文献 中提出的更合适。 最后，对归纳学习的理论研究，即PAC模型的原理、证明方法、研究结果 及各种改进方向作了介绍。 |
| 语种 | 中文 |
| 其他标识符 | 262 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.ia.ac.cn/handle/173211/7054]  |
| 专题 | 毕业生_硕士学位论文 |
| 推荐引用方式 GB/T 7714 | 阮闯. 归纳学习泛化问题的理论及应用[D]. 中国科学院自动化研究所. 中国科学院自动化研究所. 1992. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论