第05讲 智能决策理论与方法-2分析.pptVIP

决策理论与方法 ——智能决策理论与方法(2) 合肥工业大学管理学院 * 智能决策理论与方法 1、智能决策理论的形成背景 2、知识发现 3、粗糙集理论 4、机器学习 机器学习 机器学习是从模拟人类的学习行为出发，研究客观世界和获取各种知识与技能的一些基本方法（如归纳、泛化、特化、类比等），并借助于计算机科学与技术原理建立各种学习模型，从根本上提高计算机智能和学习能力。研究内容是根据生理学、认知科学对人类学习机理的了解，建立人类学习的计算模型或认知模型；发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析；建立面向任务且具有特定应用的学习系统。 机器学习—归纳学习：泛化 归纳学习是指从给定的关于某个概念的一系列已知的正例和反例中归纳出一个通用的概念描述。 泛化(Generalization)是用来扩展一假设的语义信息，使其能够包含更多的正例。泛化所得到的结论并不总是正确的。 常用泛化方法： 将常量转为变量规则：对于概念F(v)，如果v的某些取值a,b,…使F(v)成立，则这些概念可被泛化为：对于v的所有值，F(v)均成立： 机器学习—归纳学习：泛化 消除条件规则：一个合取条件可看作是对满足此概念的可能实例集的一个约束。消除一个条件，则该概念被泛化。 添加选项：通过添加更多条件，使得有更多的实例满足概念而使该概念泛化。该规则特别有用的方式是通过