監督及非監督式概念學習法之研究

Abstract

概念學習法(CONCEPTLERRNING) 是機器學習(MRCHINELERRNING) 範疇中重要的一環， 在最近有關機器學習法的研究中尤受重視。在本論文中，我們首先探討兩種不同型態 之概念學習法。一種是監督式的學習法，我們稱之為MA策略；另一種為非監督式的學 習法，我們稱之為 COBCLAS策略。為了增進MA的效率及克服由於“未知屬性”所引起 之種種問題 (這是一般機器學習法中所無法避免且不易處理的問題之一) ，同時也為 了有效地處理反例例子及考慮部份吻合之問題(PRRTIRL MRTCHING)，我們提出另一種 改良式的MA策略，使得它更能符合現實環境要求而能廣為應用。至於COBCLAS 我們重 新定義它的評估函數(EVALUATION TUNCTION)，使之能同時接受符號式(SYMBOLIC) 及 數值式(REAL–UALUED)屬性之資料，如此使之更能適用於實際生活中各種應用系統上 。最後我們以二個實驗，腦瘤診斷及急性皮膚出疹診斷，來做為兩種策略之評估依據 。根據實驗結果顯示MR策略在有NOISYDATA 的環境下仍具有良好的適應能力，尤其在 疾病診斷系統上之效果遠較 COBCLAS為佳。