修正的最小重新计算标准的增量式学习算法

• 作者: 杨俊安 王岩 陈昊
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 粗集 增量式学习 规则约简 最小重新计算标准
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 1184-1187
• 页数: 4页
• 分类号: TP18
• 字数: 4319字
• 语种: 中文

摘要

静态算法在面对变化决策信息系统的约简时,表现出所得的约简有效性不够,无法描述决策系统的变化规律,从粗集理论出发,研究一种动态决策规则的最小重新计算标准,并在此基础上,结合决策规则的确定性准则,提出一个修正的最小重新计算标准的增量式学习算法,理论分析和实例验证表明了算法的正确性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨俊安		43	470	10.0	20.0
5	陈昊		8	146	5.0	8.0
9	王岩		5	13	2.0	3.0