机构名称：
¥ 1.0
摘要 —机器学习汲取了计算机科学、认知科学和统计学等各个学科的智慧。尽管机器学习在理论和实践上都取得了长足的进步，但它的方法在处理复杂情况和高度不确定的环境时仍存在一些局限性。数据不足、观察不精确以及信息/关系不明确都会使传统的机器学习系统陷入困境。为了解决这些问题，研究人员从不同方面整合了机器学习和模糊技术，包括模糊集、模糊系统、模糊逻辑、模糊度量、模糊关系等。本文对模糊机器学习从理论、方法到应用进行了系统的回顾，总体目标是概述模糊机器学习领域的最新成就。为此，所讨论的概念和框架分为五类：1）模糊经典机器学习；2）模糊迁移学习；3）模糊数据流学习； 4)模糊强化学习；5)模糊推荐系统。本文所呈现的文献应使研究人员对模糊机器学习研究及其应用的当前进展有深入的了解。
模糊机器学习：综合框架与系统评价
主要关键词
相关文件推荐
