概念聚類

概念聚類是機器歸納學習研究中十分重要的一種規範和技術。歸納學習實際上是一種多概念學習，是特殊到一般，個性到共性，具體到普遍的推理過程。

基本介紹

• 中文名：概念聚類
• 外文名：Conceptual Clustering

概念聚類的基本思想是把實例按一定的方式和準則進行分組，如劃分不同類，不同層次等，得到的分組代表著不同的概念，從每個分組中可以誘導出一個概念的語義符號描述，這也正是概念聚類區別於普通聚類的重要方面。

概念聚類的歷史並不長，Michalski l980年首次提出概念聚類，並把它作為機器學習研究的一種新方法，從此日益得到人們的關注，並迅速成為機器學習研究中非常活躍的技術。在Michalski之前，早期的研究已經觸及到概念聚類問題，只是沒有冠以概念聚類的名稱，Wolff設計的Mk10系統，這是一個組塊的層次化數據壓縮系統，它於共同特性值對實例進行分類，然後對這些分類進行概括和抽象。Michalsi以後，概念聚類學習系統額頓湧現，至今方興未艾。