覆蓋算法的增量學習研究.pdf

1、近年來，隨著時代的進步，信息技術的迅猛發(fā)展，在實際應用中，有許多數(shù)據(jù)會隨著時間的變化而不斷變化，想要一次性獲得所有的數(shù)據(jù)作為機器學習算法需要的訓練樣本是很困難的，有時是不現(xiàn)實的。面對這類不斷更新、動態(tài)變化的信息數(shù)據(jù)，如果每一次都將新增的數(shù)據(jù)與原有數(shù)據(jù)放在一起，對所有數(shù)據(jù)進行重新學習，不但造成了時間和空間上的巨大浪費，而且使學習過程不具有一定的延續(xù)性，不太符合人類循序漸進的學習習慣。因此，迫切需求研究有效的機器學習算法和模型來解決此類問題

2、。
　　 增量學習方法是解決從海量數(shù)據(jù)中學習分類知識的有效途徑，是對不斷更新的數(shù)據(jù)進行學習的方法之一，是在保留原有學習結果的基礎上，僅對新增的數(shù)據(jù)進行再學習，從而形成一個連續(xù)的學習過程。目前，國內外對增量學習已經(jīng)有一些研究，主要有基于支持向量機算法的增量學習、基于神經(jīng)網(wǎng)絡的增量學習、基于決策樹的增量學習研究或將決策樹與神經(jīng)網(wǎng)絡結合的增量學習研究等。
　　 構造性機器學習方法——覆蓋算法學習速度快、復雜度低、可解釋性強，能

3、有效地解決有導師學習問題，并取得了很好的效果。本文首先將覆蓋算法理論與增量學習的思想相結合進行研究，提出了基于覆蓋的增量學習算法。然后，針對增量學習過程中新樣本的不斷出現(xiàn)及概念遷移問題的發(fā)生，引入了三種淘汰遺忘機制，并對這三種基于覆蓋的遺忘機制進行了詳細的介紹。尤其重要的是基于覆蓋的增量學習研究為實際應用中動態(tài)變化的數(shù)據(jù)的分析與處理提供了一個合理的學習模型，為解決機器學習過程中知識動態(tài)獲取和更新問題提供了一種全新的思路和方法。
　

4、　 本文的主要工作包括：
　　 1.概述了增量學習的研究背景和意義，國內外研究的現(xiàn)狀，并對增量學習常用的分類模型進行了詳細介紹。
　　 2.主要介紹了覆蓋算法及對其的改進。由于覆蓋算法構造神經(jīng)元的權值即取新覆蓋中心時通常人為地給定一個準則，并未遵循樣本的分布特征求得最優(yōu)解。因此采用佳點集理論求取覆蓋中心，以改進覆蓋算法。
　　 3.根據(jù)覆蓋算法原理，結合增量學習的思想，提出了基于覆蓋的增量學習算法。該算法利用改