共同進化計算在分類中的應(yīng)用研究.pdf

1、分類是數(shù)據(jù)挖掘中一個重要內(nèi)容，它找出描述并區(qū)分數(shù)據(jù)類或概念的模型，以便能夠使用模型預(yù)測類標(biāo)記未知的對象類。它主要用于提取重要數(shù)據(jù)類的模型或預(yù)測未來的數(shù)據(jù)趨勢。目前的主要分類方法有判定樹歸納分類、貝葉斯分類、神經(jīng)網(wǎng)絡(luò)分類、遺傳算法分類等等。這些分類方法各有特點，適用于不同的領(lǐng)域，目前尚未發(fā)現(xiàn)有一種方法對所有數(shù)據(jù)都優(yōu)于其他方法。 進化計算(EC)是一種模擬生物進化過程與機制求解問題的自組織、自適應(yīng)性人工智能技術(shù)。結(jié)合了達爾文的自然選

2、擇與孟德爾的遺傳變異理論，將生物進化中的四種基本形式：繁殖、變異、競爭和選擇引入到算法的過程中，指導(dǎo)算法的進行。它已經(jīng)廣泛應(yīng)用于調(diào)度規(guī)劃、機器學(xué)習(xí)、圖像處理和模式識別、最優(yōu)控制等領(lǐng)域。它在數(shù)據(jù)挖掘的分類中也有一些初步應(yīng)用。 本文將詳細闡明什么是進化計算、它的概念以及分析其理論基礎(chǔ)，并進一步闡述共同進化計算的主要內(nèi)容。討論目前分類的評價標(biāo)準(zhǔn)和主要算法，如ID3、C4.5和EC算法，在此基礎(chǔ)上提出一個基于共同進化計算的分類算法(CB

3、CEC)，并詳細介紹該算法的主要原理和過程。使用WEKA數(shù)據(jù)挖掘平臺在多個公共數(shù)據(jù)庫上對上述的幾個算法進行詳細的性能比較，得出了結(jié)論：CBCEC算法分類準(zhǔn)確度高，并且可以得到簡潔的可理解性強的規(guī)則。同時針對如何挖掘用戶興趣的規(guī)則，通過修改CBCEC的適應(yīng)度評價函數(shù)，提出適用于挖掘用戶興趣度較高的規(guī)則算法，實驗證明了該算法的有效性和適用性。 最后結(jié)合某省的車輛交通規(guī)費系統(tǒng)，提出一個基于J2EE的數(shù)據(jù)挖掘體系結(jié)構(gòu)，并應(yīng)用本文提出的共