演化分类器：增量学习方法

分类器通过演化自身来接纳新信息和类别而无需完全重新训练的能力被称为增量学习。增量学习已成功应用于许多数据动态变化且无法一次性全部获取的分类问题。本文对比了 Learn++（一种较新的增量学习算法）与新提出的基于遗传算法的增量学习方法（ILUGA）。Learn++ 在基准数据集上展现了良好的增量学习能力，而新提出的 ILUGA 方法也在这些数据集上进行了测试。ILUGA 仅使用少量分类器即展现出良好的增量学习能力，且未出现灾难性遗忘现象。ILUGA 在光学字符识别（OCR）和葡萄酒数据集上取得了良好结果，总体准确率分别为 93% 和 94%，在困难的 OCR 多类数据集上比 Learn++.MT 提高了 4%。