已閱讀1頁,還剩55頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、分類是數(shù)據(jù)挖掘的一種技術,在商業(yè)上已經(jīng)得到了應用,常見的分類算法有決策樹、統(tǒng)計方法、機器學習方法、神經(jīng)網(wǎng)絡方法等。由于進化算法在解決復雜問題時表現(xiàn)出它的優(yōu)越性,自遺傳算法用于實現(xiàn)數(shù)據(jù)分類以來,已有很多的進化算法用于數(shù)據(jù)分類問題。 微粒群算法(ParticleSwarmOptimization,PSO)作為進化算法的一種,有其自身的獨特性。本文在分析PSO算法模型、分類模型的基礎上,提出了應用PSO算法實現(xiàn)數(shù)據(jù)分類,并通過實驗驗證
2、了其有效性。首先,設計了PSO算法實現(xiàn)分類問題的編碼、適應度及總體結構,并利用單群體實現(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算法進化一類規(guī)則,c類問題由c個群體PSO算法實現(xiàn)。再次,設計了由實數(shù)和二進制組成的混合編碼的表示形式,無關屬性單獨表示,減少了分類時間。最后,在對遺傳規(guī)劃(GeneticProgramming,GP)模型分析的基礎上,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于蟻群算法的分類規(guī)則挖掘算法.pdf
- 基于微粒群算法的測試數(shù)據(jù)自動生成技術.pdf
- 基于蟻群算法的分類規(guī)則發(fā)現(xiàn).pdf
- 基于微粒群算法的關聯(lián)規(guī)則挖掘方法及應用.pdf
- 基于微粒群算法的軟件測試數(shù)據(jù)的自動生成.pdf
- 基于微粒群算法的聚類算法.pdf
- 基于決策理論的微粒群算法.pdf
- 基于隨機微粒群算法的改進算法研究.pdf
- 基于微粒群算法的圖像分割算法研究.pdf
- 微粒群算法在分類問題中的應用研究.pdf
- 基于改良蟻群算法的神經(jīng)網(wǎng)絡分類規(guī)則提取.pdf
- 基于聚類分析的微粒群算法研究.pdf
- 基于微粒群算法證券投資組合研究.pdf
- 蟻群分類規(guī)則挖掘算法改進及遙感分類應用.pdf
- 基于微粒群優(yōu)化算法的結構系統(tǒng)識別.pdf
- 基于改進微粒群算法的組卷系統(tǒng).pdf
- 基于微粒群算法的紅外弱目標檢測.pdf
- 基于群機器人特征的改進微粒群算法研究.pdf
- 基于微粒群優(yōu)化的特征選擇與系綜分類算法及應用研究.pdf
- 基于多群協(xié)同人工魚群算法的分類規(guī)則挖掘研究.pdf
評論
0/150
提交評論