基于示例的混合型归纳学习方法的研究

提出了增量式混合型多概念获取算法，该算法吸取了构造性归纳的思想并具有增量学习能力，能处理多概念和连续属性，实现了符号学习与神经网络学习的有机结合。知识表示简单高效，以混合型判定树作为归纳学习结果，直观形象、一目了然。提出了新的自适应谐振算法。该算法结合了多种神经网络算法的优点并采用独特的解决冲突和动态扩大分类区域的方法。学习能力强、记忆容量大。并具有增量学习功能。研制成功增量式混合型多概念获取系统，该系统采用面向对象的设计方法。具有较好的符号学习与神经网络学习接口、学习控制能力和友善的人机界面。利用该系统开发了台风预报、故障诊断两个不同领域的实验系统。效果很好。在软件学报等刊物上发表论文13篇。