增量式解释学习算法ebg—plus*

传统的解释学习(ebl)是通过单个实例进行学习的，学习结果往往带有实例本身的特殊性质,知识求精能较正这一缺陷，但学习结果的效用不高．本文结合了ebl方法和求精算法，提出综合多个实例的增量式解释学习算法ebg—plus，学习质量随实例数目增加而单调上升，学习结果效用高，并能够自动改进领域知识的编码质量．