基于多群協(xié)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(shù)，自2002年被提出以來，已經(jīng)逐漸被廣泛地應用于各種優(yōu)化問題與數(shù)據(jù)挖掘領域。數(shù)據(jù)分類是根據(jù)樣本屬性特征進行分門別類，作為數(shù)據(jù)挖掘最為重要的內(nèi)容之一，廣泛存在于各個應用領域。分類規(guī)則挖掘是數(shù)據(jù)分類的深化表現(xiàn)，它不僅著眼于眼前樣本的分類更著重于對其他數(shù)據(jù)的類別預測，是一種重要的數(shù)據(jù)挖掘知識。在現(xiàn)有的研究中，將人工魚群算法應用于數(shù)據(jù)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(xié)同進化思想的啟發(fā)，本文設計了一種多群協(xié)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(xié)同提取完整的數(shù)據(jù)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(diào)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(jié)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(shù)據(jù)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