导读:本文包含了归纳学习算法论文开题报告文献综述及选题提纲参考文献，主要关键词:归纳学习,Prism算法,分类规则
归纳学习算法论文文献综述
郝智勇,姚莉,刘斌,许珺怡[1]（2014）在《Prism系列归纳学习算法综述》一文中研究指出模块化分类规则的归纳学习是机器学习领域应用较广的一类算法,已经发展形成了多个分支和派系,其中,Prism系列算法是当前该类学习算法的典型代表之一。Prism系列算法历经近20多年的发展,在多种归纳学习任务中得到了成功应用,目前已经成为决策树归纳算法的主要竞争者。本文在Prism系列算法基本框架的基础上,分别从单机算法和并发算法两个方面对Prism系列算法进行了综述,比较分析了不同算法对于多种分类问题的适应性、优缺点及相互关系,并展望了未来该类算法的发展方向。(本文来源于《系统工程与电子技术》期刊2014年04期）
洪玮[2]（2010）在《基于实例的归纳学习在遗传算法策略优选中的应用研究》一文中研究指出遗传算法是一种基于概率导向的随机搜索算法,已被成功地应用到多种学习任务和最优化问题中。对于遗传算法,策略(包括算法流程、算子及其控制参数)的设计和选择至关重要,会对算法的效率乃至收敛性产生较大影响。然而,策略的选择没有完备的标准赖以遵循,尤其要确定适合的算子和控制参数并非易事。在传统的遗传算法求解函数优化问题中,一般都是根据理论分析和经验确定解决某实际问题的最优算子组合和参数的大致范围,并且往往需要在实际计算中花费大量时间经过反复尝试来调整,对于策略的选择具有很大的盲目性。于是,我们尝试引入一种新的方法,通过训练函数的策略试算构建实例库,抽取函数表达式的模式,并基于实例进行归纳学习产生知识规则,来指导其他同类函数优化策略的选择,从而大幅降低无知识指导情况下反复试错而造成计算成本消耗的几率,使得进化计算能够从先验的同类问题的计算中“吸取”经验,更加智能地选择合理的策略,以提高计算的准确性和效率。本文结合归纳学习、基于范例推理、遗传算法等相关领域的知识和方法,通过探求函数表达式的构成与由算法流程、算子和控制参数组成的优化策略的选择之间的内在联系,提出一种基于表达式构造的函数聚类及其策略优选的方法,为归纳策略优选规则提供了一条切实可行的探索途径。(本文来源于《西安理工大学》期刊2010-03-01）
林克明,薛永生,文娟[3]（2009）在《一种基于信息论的归纳分类学习算法》一文中研究指出提出了一种基于信息论的归纳分类学习算法——最大贡献分类算法.该算法根据信息论中信道传输的理论,把类别空间和各特征空间的概率转移矩阵以及互信息结合起来,定义了贡献的概念,从而得出了对给定的观测值,用它的最大贡献作为对实体进行分类的规则.文中通过实例学习与分析,验证了这种算法的有效性和可行性.(本文来源于《厦门大学学报(自然科学版)》期刊2009年02期）
郑东飞,石冰[4]（2006）在《文本分类的归纳学习算法和描述》一文中研究指出文本分类将自然语言文本按内容归入一个或多个预定义类别中,在许多信息组织和管理中都是一项重要的内容。不同算法的分类准确性各不相同。通过训练实例可以得到准确率很高的文本分类器。(本文来源于《计算机工程与设计》期刊2006年04期）
程玉胜,张春梅,胡学钢[5]（2004）在《一种递增式归纳学习算法》一文中研究指出笔者提出的递增式决策函数生成算法是在改造后的分辨矩阵下完成的,更有利于编程实现;避免了传统粗集方法对数据作一次性处理生成庞大的决策矩阵,从而有效解决了在处理大规模数据库时内存不足问题;由于决策函数是递增式生成的,因此该算法适应了目前数据变化的特点,实现了新例的动态学习,因此这种对信息的重用,减少了数据挖掘的时间;同时,递增式决策函数生成算法从根本上解决了多类决策的递增式学习问题。(本文来源于《重庆大学学报(自然科学版)》期刊2004年04期）
赵卫东,盛昭瀚[6]（2000）在《基于粗集理论的一种归纳学习算法》一文中研究指出归纳学习是粗集理论的主要应用领域。本文基于粗糙集理论 ,针对相容决策表 ,提出一种新的归纳学习算法。与以往的方法相比 ,这种算法比较简单 ,能够全面地获取规则且没有冗余。此外 ,还讨论了不相容决策表的学习 ,给出了具有较高可信度的规则挖掘过程(本文来源于《管理工程学报》期刊2000年04期）
李绍成[7]（1996）在《规则向量投影算法──一种归纳机器学习方法》一文中研究指出为了支持在事实不完全或不充分环境中的有效推理，作者提出了一种归纳机器学习方法，并设计了一个规则向量投影算法，使用木文介绍的算法可对原始知识实行归纳，生成含一系列全新分类概念和推理路经的网络知识库，基于该知识库的机器推理系统，在作出诊断决策时所需事实量可大为减少，因此在信息量不足的情况下仍能具有很高的推理性能．(本文来源于《软件学报》期刊1996年06期）
王士同[8]（1995）在《基于区间值模糊集的学习空间描述及其模糊归纳学习算法研究》一文中研究指出本文基于区间值模糊集理论，将归纳学习空间予以模糊化，使其更具有普遍性。为了度量概念的可学习性能，新定义了区分区间概念。运用对基本事件空间划分的加细操作，来改进要学习的概念之区分区间值，并进而改进其归纳学习效果。据此，本文提出了模糊归纳学习问题的模糊学习算法ＩＬＡ。算法ＩＬＡ能根据专家提供的有关概念实例集，学习出关于概念的模糊推理规则。文中最后还对ＩＬＡ的算法复杂度进行了分析。(本文来源于《电子学报》期刊1995年12期）
洪家荣,丁明峰,李星原,王丽薇[9]（1995）在《一种新的决策树归纳学习算法》一文中研究指出本文就示例学习的重要分枝—决策树归纳学习进行了分析与探讨，从示例学习最优化的角度分析了决策树归纳学习的优化原则，指出了以往的以ＩＤ３为代表的归纳学习算法所固有的缺陷，并提出了一种新的基于概率的决策树归纳学习算法ＰＩＤ．ＰＩＤ在扩展属性的选择上仍采用基于信息增益率的方法，但在树的扩展过程中，采用属性聚类的方法进行树的分枝合并．ＰＩＤ得到的决策树在树的规模和分类精度上都优于ＩＤ３．(本文来源于《计算机学报》期刊1995年06期）
潘金贵,陈彬,陈兆乾,陈世福[10]（1995）在《归纳学习算法CAP2的研究与应用》一文中研究指出本文提出以实例空间中状态划分概率的大小作为启发式信息，以提供的正反实例集为依据，基于二叉树分类方法的示例式归纳学习算法ＣＡＰ２．它输出的分类规则是谓词演算表达式．该算法可根据用户对精度的要求控制分类深度，得到不同精度的规则，并能处理连续数据、噪音数据和利用用户提供的背景知识，既适用于同时给定概念的正、反例集的情况，也适用于只给正例集的情况．本文还介绍了ＣＡＰ２算法的应用情况，并和着名的ＩＤ３算法进行了比较．ＣＡＰ２已嵌入到一个自动知识获取系统．(本文来源于《软件学报》期刊1995年06期）
归纳学习算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
遗传算法是一种基于概率导向的随机搜索算法,已被成功地应用到多种学习任务和最优化问题中。对于遗传算法,策略(包括算法流程、算子及其控制参数)的设计和选择至关重要,会对算法的效率乃至收敛性产生较大影响。然而,策略的选择没有完备的标准赖以遵循,尤其要确定适合的算子和控制参数并非易事。在传统的遗传算法求解函数优化问题中,一般都是根据理论分析和经验确定解决某实际问题的最优算子组合和参数的大致范围,并且往往需要在实际计算中花费大量时间经过反复尝试来调整,对于策略的选择具有很大的盲目性。于是,我们尝试引入一种新的方法,通过训练函数的策略试算构建实例库,抽取函数表达式的模式,并基于实例进行归纳学习产生知识规则,来指导其他同类函数优化策略的选择,从而大幅降低无知识指导情况下反复试错而造成计算成本消耗的几率,使得进化计算能够从先验的同类问题的计算中“吸取”经验,更加智能地选择合理的策略,以提高计算的准确性和效率。本文结合归纳学习、基于范例推理、遗传算法等相关领域的知识和方法,通过探求函数表达式的构成与由算法流程、算子和控制参数组成的优化策略的选择之间的内在联系,提出一种基于表达式构造的函数聚类及其策略优选的方法,为归纳策略优选规则提供了一条切实可行的探索途径。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
归纳学习算法论文参考文献
[1].郝智勇,姚莉,刘斌,许珺怡.Prism系列归纳学习算法综述[J].系统工程与电子技术.2014
[2].洪玮.基于实例的归纳学习在遗传算法策略优选中的应用研究[D].西安理工大学.2010
[3].林克明,薛永生,文娟.一种基于信息论的归纳分类学习算法[J].厦门大学学报(自然科学版).2009
[4].郑东飞,石冰.文本分类的归纳学习算法和描述[J].计算机工程与设计.2006
[5].程玉胜,张春梅,胡学钢.一种递增式归纳学习算法[J].重庆大学学报(自然科学版).2004
[6].赵卫东,盛昭瀚.基于粗集理论的一种归纳学习算法[J].管理工程学报.2000
[7].李绍成.规则向量投影算法──一种归纳机器学习方法[J].软件学报.1996
[8].王士同.基于区间值模糊集的学习空间描述及其模糊归纳学习算法研究[J].电子学报.1995
[9].洪家荣,丁明峰,李星原,王丽薇.一种新的决策树归纳学习算法[J].计算机学报.1995
[10].潘金贵,陈彬,陈兆乾,陈世福.归纳学习算法CAP2的研究与应用[J].软件学报.1995