基于混合遺傳算法的分類規(guī)則挖掘方法及其并行實現(xiàn).pdf

1、數據分類是按照一組數據對象的特征給出數據對象數學劃分的過程，已經在統(tǒng)計學、機器學習、神經網絡以及專家系統(tǒng)中被廣泛研究。近來，它又成為數據挖掘的一個重要研究方面。實際上，分類是一個兩步過程，第一步，建立一個模型，描述指定的數據類集或概念集；第二步，評估模型的預測準確率，如果模型的準確率可以接受，使用模型進行分類。通常，模型可以用分類規(guī)則、判定樹或數學公式表示。目前常用的分類規(guī)則挖掘方法有遺傳算法、決策樹方法、神經網絡等?；趥鹘y(tǒng)遺傳算法的

2、分類規(guī)則挖掘方法通常存在以下問題：(1)對每個類只能產生一條分類規(guī)則；(2)挖掘出的規(guī)則質量不高；(3)優(yōu)化后種群中冗余規(guī)則太多；(4)分類準確率不高。本文提出的基于混合遺傳算法的分類規(guī)則挖掘方法能夠有效克服上述缺點，提高分類規(guī)則挖掘的準確性。 本文首先介紹了數據挖掘的產生背景、定義和功能，指出預測準確度、計算復雜度和模型描述的簡潔度是評價分類模型的三個尺度，并對一些常用的分類規(guī)則挖掘方法進行了分析和比較。 介紹了遺傳算

3、法和局部搜索算法的基本原理，并分析了遺傳算法和局部搜索算法的優(yōu)缺點。遺傳算法雖然具有很強的全局搜索能力但局部搜索能力較差，另一方面，局部搜索算法具有較強的局部搜索能力，因此可以將兩種算法相結合，構成混合遺傳算法。 分析了分類規(guī)則挖掘原理，指出標準遺傳算法并不太適合分類問題，因此提出了一種基于混合遺傳算法的分類規(guī)則挖掘方法?；旌线z傳算法采用了Michigan方法，每個染色體代表一條分類規(guī)則。為了使混合遺傳算法能夠產生多條高質量的規(guī)

4、則，設計了針對分類問題的編碼方案、適應度函數、個體生成函數、遺傳算子和局部搜索算子，并在適應度函數中提出了簡潔度因子。另外，在優(yōu)化后的種群中存在一些冗余規(guī)則，考慮到規(guī)則集的簡潔性，提出了一種規(guī)則提取方法。實驗表明，基于混合遺傳算法的分類規(guī)則挖掘方法能夠從數據集中發(fā)現(xiàn)一個簡潔、準確、易理解的規(guī)則集。 最后，分析了分類算法的并行性，并在基于Windows2000的PVM并行計算平臺上實現(xiàn)了并行分類算法。此算法采用粗粒度的主/從模型，