摘要：构造性机器学习方法——覆盖算法学习速度快、复杂度低、可解释性强，能有效地解决有导师学习问题，并取得了很好的效果，但构造神经元的权值即取新覆盖中心时通常人为地给定一个准则，并未遵循样本的分布特征求得最优解．由此采用佳点集理论求取覆盖中心，以改进覆盖算法．针对大规模或动态数据集的分类问题。将构造性覆盖方法与增量学习的思想相结合，提出了构造性覆盖方法的增量学习算法。该算法利用改进的覆盖算法作为基础学习器，通过连续地对新增样本进行测试而反复不断地提炼已有模型，体现了对样本的“渐近式”学习,对标准数据集的实验结果表明，这种增量学习算法是有效的。

原文链接:http://www.cqvip.com//QK/95251X/200905/31992714.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）