基于微粒群算法生成分類規(guī)則.pdf

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