基于決策邏輯的增量學習算法研究.pdf

1、隨著數(shù)據(jù)庫技術(shù)的發(fā)展和應(yīng)用，社會各部門積累了大量的數(shù)據(jù)，而且這些數(shù)據(jù)每一天都在增加，數(shù)據(jù)挖掘是發(fā)現(xiàn)這些數(shù)據(jù)背后隱藏的知識的有效手段。但是，如果在數(shù)據(jù)庫更新之后要對全部數(shù)據(jù)重新進行挖掘，需要消耗大量的資源，這導致對增量挖掘算法的迫切需求。把增量算法與數(shù)據(jù)庫的更新結(jié)合在一起，漸增地進行知識的更新，修正和加強先前業(yè)已發(fā)現(xiàn)的知識，從而使得修正后的知識庫能夠適應(yīng)更新后的數(shù)據(jù)庫，而不必重新挖掘全部數(shù)據(jù)。 粗糙集理論是數(shù)據(jù)挖掘的方法之一，它是

2、處理模糊和不確定知識的一種數(shù)學工具，已在人工智能與知識發(fā)現(xiàn)、模式識別、智能控制、智能決策、沖突分析及故障檢測等方面得到了較好應(yīng)用。但是，目前基于粗糙集理論提出的數(shù)據(jù)挖掘算法主要都是針對靜態(tài)數(shù)據(jù)集，考慮到實際應(yīng)用的需求和粗糙集理論的現(xiàn)狀，本文主要對粗糙集理論的增量算法進行研究。而粗糙集中的決策邏輯作為一種從信息系統(tǒng)中獲取蘊涵于其中知識的模型，使用邏輯推演中的符號工具，能夠有效發(fā)現(xiàn)知識的依賴性并對知識進行簡化，而且能夠準確的描述新增樣例的狀

3、態(tài)，所以本文選擇決策邏輯理論作為增量學習研究的理論基礎(chǔ)。 本文首先對文獻[15]中基于決策邏輯的增量算法的研究進行了分析，指出了其中在對新增樣例進行分類的方法上存在的錯誤，然后通過對該理論的修正，即對新增樣例設(shè)計了新的分類方法，并在此分類方法的基礎(chǔ)上，對完備極小決策算法的增量計算進行了詳細討論，提出了基于決策邏輯的新的增量學習理論。依據(jù)本文提出的增量學習理論，設(shè)計了增量學習算法，并分析了算法的時間復(fù)雜性，理論證明增量算法較經(jīng)典算