混合型多概念获取算法的设计及其抗噪音能力

• 作者: 周志华 李红兵 陈兆乾
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 混合模型 增量学习 神经网络 噪音处理
• 年，卷（期）: 1999,（5）
• 页码范围: 516-520
• 分类号: TP18
• 语种: 中文

摘要

IHMCAP(incremental hybrid multi-concepts acquisit ion procedure)算法将基于概率论的符号学习与神经网络学习相结合,通过引入FTART(field theory-based adaptive resonance theory)神经网络,成功地解决了符号学习与神经网络学习精度之间的均衡性问题,实现了两种不同思维层次的靠近.该算法采用一种独特的增量学习机制,当增加新的实例时,只需进行一遍增量学习,调整原结构,不必重新生成判定树和神经网络,即可提高学习精度,速度快,效率高.同时,这种增量学习机制还可以降低算法对噪音数据的敏感度,从而使IHMCAP可以应用于实时在线学习任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周志华	南京大学计算机软件国家重点实验室	92	3105	30.0	55.0
2	陈兆乾	南京大学计算机软件国家重点实验室	74	1789	23.0	40.0
3	李红兵	南京大学计算机软件国家重点实验室	7	123	5.0	7.0