基于多群協同人工魚群算法的分類規(guī)則挖掘研究.pdf

1、人工魚群算法(ArtificialFishWarmAlgorithm，AFWA)是人工智能領域中的一項新興技術，自2002年被提出以來，已經逐漸被廣泛地應用于各種優(yōu)化問題與數據挖掘領域。數據分類是根據樣本屬性特征進行分門別類，作為數據挖掘最為重要的內容之一，廣泛存在于各個應用領域。分類規(guī)則挖掘是數據分類的深化表現，它不僅著眼于眼前樣本的分類更著重于對其他數據的類別預測，是一種重要的數據挖掘知識。在現有的研究中，將人工魚群算法應用于數據分

2、類以及規(guī)則提取領域的比較少見，所以本文針對該問題進行了深入研究。
　　受多群協同進化思想的啟發(fā)，本文設計了一種多群協同進化魚群(multiartificialfishswarmcooperationalgorithm，MAFWA)算法用于分類規(guī)則挖掘研究當中。其主要思想為:設計多個魚群，每一群體用于提取一個類別的規(guī)則，多群同時進化，協同提取完整的數據分類規(guī)則。與傳統(tǒng)的用一個魚群進行多個類別規(guī)則提取的思路相比，減少了人工魚之間進行復

3、雜通信所需要的時間，降低了算法的復雜度，有效的提高了算法的收斂速度和規(guī)則的提取精度。
　　同時為了彌補基本魚群算法中種群多樣性程度較低、易陷入局部最優(yōu)等缺點，本文基于遺傳的思想引入了自適應調整的選擇算子、交叉算予以及變異算子來對基本人工魚群算法進行改進，進一步設計了多群交叉變異人工魚群算法(MultiArtificialFishWarmAlgorithmwithCross,MutationAndChoose,MAFWA_CMC)進

4、行分類規(guī)則挖掘，使得算法有效避免早熟，效率得到進一步提高。
　　最后仿真實驗結果顯示:MAFWA能夠快速生成分類精度較高的規(guī)則，并且在規(guī)則提取效率以及精度上都全面超過了基本人工魚群算法;而進一步改進后的MAFWA_CMC算法也在收斂速度和分類規(guī)則精度上有明顯的提高，但由于選擇算子、交叉算子以及變異算子的引進增加了MAFWA_CMC算法的計算時間，但是在對高維數據的分類過程中該劣勢基本可以被算法的快速收斂速度抵消;同時MAFWA_C