一个基于Rough set理论的增量式学习算法

摘要：

为了获取最小决策规则,当增加新例子时,传统的方法通常需要对决策表中所有数据重新计算,效率欠佳.为了尽量减少重复计算量,该文从Rough set理论出发,提出了一种新的增量式学习算法和最小重新计算的标准,并且用理论和实验对新算法和传统算法在算法复杂度上做了对比.

关键词：增量式学习、Rough set理论、决策表

所属期刊栏目：39

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金69803014;重庆市科委资助项目7006

在线出版日期：2004-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：37-41