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