钟，宁;董菊珍;Setsuo Ohsuga 通过软归纳技术发现规则。 （英语） 兹比尔1003.68644 神经计算 36，第1-4号，171-204（2001）. 摘要：本文描述了两种软归纳技术GDT-NR和GDT-RS，用于从不确定和不完整的数据库中发现分类规则。该技术基于广义分布表（GDT），其中表示了离散域上概念和实例之间的概率关系。通过使用GDT作为概率搜索空间，（1）可以在规则发现过程中考虑未发现的实例，并且规则的不确定性，包括其预测未发现实例的能力，可以明确地表示为规则的强度；（2） 可以灵活地选择偏差进行搜索控制，并且可以使用背景知识作为偏差来控制GDT的创建和规则发现过程。我们描述了GDT可以用连接网络的变体来表示（简称GDT-NR），并且可以通过在GDT-NRs上学习来发现规则。此外，我们将GDT与粗糙集方法（简称GDT-RS）相结合。通过使用GDT-RS，可以从含有噪声、不完整数据的数据库中获取具有较大强度的最小规则集。我们将GDT-NR与GDT-RS进行了比较，并描述了GDT-RS对于大型复杂数据库来说是一种优于GDT-NR.的方法。 引用于4文件 MSC公司： 68单位99 计算方法和应用 68T05型 人工智能中的学习和自适应系统 关键词：归纳学习;知识发现;通用分布表;粗糙集;软计算;不确定性和不完全性;背景知识;混合动力系统 PDF格式BibTeX公司 XML格式引用 \textit{N.Zhong}等人，神经计算36，No.1--4，171-204（2001；Zbl 1003.68644） 全文： 内政部