基于微粒群算法生成分類規(guī)則.pdf_第1頁
已閱讀1頁,還剩55頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、分類是數(shù)據(jù)挖掘的一種技術(shù),在商業(yè)上已經(jīng)得到了應(yīng)用,常見的分類算法有決策樹、統(tǒng)計(jì)方法、機(jī)器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法等。由于進(jìn)化算法在解決復(fù)雜問題時(shí)表現(xiàn)出它的優(yōu)越性,自遺傳算法用于實(shí)現(xiàn)數(shù)據(jù)分類以來,已有很多的進(jìn)化算法用于數(shù)據(jù)分類問題。 微粒群算法(ParticleSwarmOptimization,PSO)作為進(jìn)化算法的一種,有其自身的獨(dú)特性。本文在分析PSO算法模型、分類模型的基礎(chǔ)上,提出了應(yīng)用PSO算法實(shí)現(xiàn)數(shù)據(jù)分類,并通過實(shí)驗(yàn)驗(yàn)證

2、了其有效性。首先,設(shè)計(jì)了PSO算法實(shí)現(xiàn)分類問題的編碼、適應(yīng)度及總體結(jié)構(gòu),并利用單群體實(shí)現(xiàn)了PSO分類。其次,為了能更好的利用PSO算法的特性,提高分類精度,采用多群體PSO算法生成分類規(guī)則,在此方法中,單群體PSO算法進(jìn)化一類規(guī)則,c類問題由c個(gè)群體PSO算法實(shí)現(xiàn)。再次,設(shè)計(jì)了由實(shí)數(shù)和二進(jìn)制組成的混合編碼的表示形式,無關(guān)屬性單獨(dú)表示,減少了分類時(shí)間。最后,在對(duì)遺傳規(guī)劃(GeneticProgramming,GP)模型分析的基礎(chǔ)上,將PS

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論