基于GA的多层次概念归纳学习方法

• 作者: 刘明吉 李宝林 王秀峰 饶一梅
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 遗传学算法数据处理
• 年，卷（期）: 2001,（4）
• 所属期刊栏目: 软件与算法
• 页码范围: 76-79
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3321/j.issn:1001-506X.2001.04.023

摘要

面向属性的归纳学习(亦称概念提升)是一种广泛使用的知识发现方法。通过归纳学习，使得属性域取值的抽象程度提高，从而得到较精练的数据集合，大大提高了规则的学习效率。但是实际应用环境中的数据属性维数非常多，属性概念层次也非常复杂，基于集合论的传统学习方法的效率变得越来越低。基于遗传算法的高搜索性能，提出了一个概念空间的特征概念层次优化搜索方法，特别是处理高维、具有复杂概念层次的问题时收到了较好的效果。