论文部分内容阅读
示例学习是从某一概念的已给的正例集合和反例集合中归纳产生出描述所有正例并排除所有反例的该概念的一般规则,而扩张矩阵理论将寻找正例在反例背景下所满足的公式等价为在反例矩阵上找出一条生路。该文针对多类有重叠问题,改进了原有的扩张矩阵算法,引入了基于平均熵的最短公式近似解的启发式搜索,并利用势函数估计正、反例间重叠区域的概率密度函数,从而获得类间非线性判别界面。文章将此算法应用于手写汉字识别,通过分析比