一个基于Rough set理论的增量式学习算法  

An Incremental Learning Algorithm Based on Rough Set

作　　者：于洪[1] 杨大春[2] 唐宏[1] 吴中福[1] 

机构地区：[1]重庆大学计算机科学与工程学院 [2]深圳中兴通讯公司重庆研究所,重庆400060

出　　处：《计算机工程与应用》2003年第33期38-41,共4页Computer Engineering and Applications

基　　金：国家自然科学基金(编号:69803014);重庆市科委攻关基金(编号:7006)

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Roughset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。I n order to find a minimal set of rules for a decision table,the classical metho d can not effectively deal with new instances added to the universe,because of recalculation for the overall set of instance.An incre mental learning algorith m for decision tables is present ed in this paper within the framework of rough set.We provide criteria for the min imum recalcu lation and compares two algo rithms in terms of theoretical com plexity.

关 键 词：增量式学习 ROUGH SET理论 决策表 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]