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，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