论文部分内容阅读
机器学习是人工智能领域中前沿课题,其基本特征之一就是能够有效处理不确定数据信息。一类重要的机器学习类型就是导师指导下的学习过程。本文借鉴Rough 集基本思想,研究基于不确定数据前提下的有指导机器学习过程中的基本技术和方法。首先,建立了基于决策系统的有指导机器学习模型,其中将决策属性理解为导师属性,将条件属性理解为学习者属性。其次,在模型所建立的框架内,提出学习系统质量的基本概念,以此为基础对各种学习方法进行统一分析与评估;第三,研究了学习过程中可能出现的各种情形,探讨导师知识不完备、学习者知识缺失以及两者皆有缺失三种情况下的机器学习过程中基本情况和问题,提出了不同的处理(完备化)方案,并研究处理过程前后学习质量的变化,而这实际上是完成了一种动态学习;最后,设计了一个模拟实验的原型系统,采用关系类的二进制数表示方式,实现了本文的研究工作。实验结果表明了本文工作的合理性和有效性。