近年來，專家系統已漸為人所熟知，而且也已廣泛地被應用在各個領
域。儘管目前已有許多專家系統的發展工具與環境，可是發展一個專家系
統仍是一件耗時費力的工作，其主要的關鍵便是在知識擷取（knowledge
acquisition ）的過程。 而屬於人工智慧領域中的機器學習（
Machine learning），則是研究利用電腦科技快速運算的能力，以自動化
的方式來進行知識的擷取與學習。至目前為止，已有許多研究發現，在適
當的領域裡，機器學習的方法確實可以非常有效率地替代知識工程師完成
知識擷取的工作，尤其是屬於其中一個範疇的歸納學習法（Inductive
learning），因為此類學習法不僅有在有學術研究上的成果，更有許多成
功的應用實例。而目前的歸納學習法仍有若干限制與缺點，而這些項缺陷
似乎可以用目前也是極受注意的模糊集合理論（Fuzzy set theory）來改
進，這就是本篇論文研究動機由來。 本篇論文的研究範圍主要有三部
分：１．決策樹歸納學習法：本篇論文的主要研究對象是Quinlan 所提出
的ＩＤ３。２．模糊集合理論：由於在探討歸納學習法時所發現的問題，
恰可應用現有的模糊集合理論加以改善。３．模糊決策樹歸納學習法（
Fuzzy decision Tree Induction ）：在探討過歸納學習法與模糊集合理
論，除嘗試結合兩種理論而提出新的模糊決策樹歸納法，並以電腦程式實
做，運用數個領域的實際數據，驗證其績效。
|