概念学习算法中的模糊集

摘要

概念学习可以形式化为寻找与训练实例最适合的可能假设的预定义空间,已有的多种算法(比如:Find-S、List-Then-E-liminate、candidate-Elimination等等)都是考虑Boolean-值(即{0,1})函数.用模糊集合的思想,把{0,1}-值函数扩展到[0,1]-值,[0,1]单位区间的每一个实数,都可以用于考虑概念学习算法,而且,可以用模糊距离和贴近度定义假设与训练实例之集的相容性.