基于非隨機初始種群遺傳算法的學(xué)習(xí)分類器系統(tǒng)

1、基于非隨機初始種群遺傳算法的學(xué)習(xí)分類器系統(tǒng)基于非隨機初始種群遺傳算法的學(xué)習(xí)分類器系統(tǒng)分類規(guī)則是數(shù)據(jù)挖掘領(lǐng)域中的重要研究內(nèi)容，其主要思想是通過分析訓(xùn)練集數(shù)據(jù)，產(chǎn)生關(guān)于類別的精確描述[12]。此類別描述通常由分類規(guī)則組成，可以對未來的做出進(jìn)行分析與分類預(yù)測，有著廣泛的應(yīng)用前景。分類規(guī)則的數(shù)據(jù)挖掘[3]，主要方法有：決策樹法、貝葉斯法、人工神經(jīng)網(wǎng)絡(luò)法、遺傳算法和粗糙集方法等，在實際應(yīng)用中，數(shù)據(jù)集的特征往往復(fù)雜多樣，需要根據(jù)實際情況采取不同的方

2、法進(jìn)行處理。遺傳算法（GA）是一種尋找最優(yōu)解的計算方法[45]，通過模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機理的生物進(jìn)化過程，得到問題的最優(yōu)結(jié)果。借用生物遺傳學(xué)的觀點，通過自然選擇、交叉、變異等操作，一代代不斷地繁殖進(jìn)化，最后收斂到一批最適應(yīng)環(huán)境的個體上，從而求得最優(yōu)分類規(guī)則[6]。本文通過分析基于遺傳算法的學(xué)習(xí)分類器系統(tǒng)的體系機構(gòu)，以規(guī)則為基礎(chǔ)，給出一種基于非隨機初始種群遺傳算法的分類規(guī)則數(shù)據(jù)挖掘算法，通過訓(xùn)練數(shù)據(jù)集來實現(xiàn)類別的精確描

3、述，采用數(shù)據(jù)挖掘中的基準(zhǔn)數(shù)據(jù)鳶尾花卉數(shù)據(jù)集作為應(yīng)用對象，實現(xiàn)學(xué)習(xí)分類器中的消息與分類器系統(tǒng)匹配、桶隊列算法信用分配以及基于遺傳算法的規(guī)則發(fā)現(xiàn)等關(guān)鍵技術(shù)，提高了分類規(guī)則挖掘的效率和準(zhǔn)確性。1學(xué)習(xí)分類系統(tǒng)2基于遺傳算法的學(xué)習(xí)分類器系統(tǒng)2.1規(guī)則生成與系統(tǒng)更新當(dāng)規(guī)則和消息系統(tǒng)和環(huán)境進(jìn)行一段時間的交互作用后，經(jīng)過信任分配，規(guī)則庫中的規(guī)則都有了能體現(xiàn)其性能的規(guī)則強度，此時使用遺傳算法來產(chǎn)生新的規(guī)則替代性能不好的規(guī)則，其中的主要過程如下。第一步：根

4、據(jù)規(guī)則強度的大小，按照概率值大小隨機選取兩條規(guī)則r1和r2，規(guī)則強度大的規(guī)則選中的可能性大，反之則小。第二步：將選中的兩條規(guī)則進(jìn)行交叉和變異，產(chǎn)生兩條新規(guī)則，R1和R2，隨機保留其中的一條規(guī)則，設(shè)為R1，新規(guī)則的強度取為規(guī)則庫的平均規(guī)則強度。第三步：R1取代規(guī)則庫中性能最差（規(guī)則強度最?。┑囊?guī)則。第四步：回到第一步，直到規(guī)則庫中一定比例（G）的規(guī)則被替換。需要注意的是，由于分類器系統(tǒng)使用三個字符0、1、#，因此當(dāng)某一個字符發(fā)生變異時，它