粗糙集理论是处理不确定性信息的有效工具,并已成功应用于许多领域。 增量学习作为动态环境中数据分析的一种有效策略,可以通过使用先验知识从新信息中获取更多知识,并吸引了许多学者的广泛关注。 在本文中,作者讨论了在粗糙集上进行增量学习的研究现状,并提出了潜在的未来研究方向。 作者首先回顾了粗糙集的基本概念,并列出了动态决策程序中信息系统的三种变体。 然后,作者分别研究和总结了三种不同学习观点的变体的相应增量学习策略。 最后,作者进一步梳理了我们工作的研究框架,并确定了一些未来可能的研究方向。