共同進(jìn)化計(jì)算在分類中的應(yīng)用研究.pdf

1、分類是數(shù)據(jù)挖掘中一個(gè)重要內(nèi)容，它找出描述并區(qū)分?jǐn)?shù)據(jù)類或概念的模型，以便能夠使用模型預(yù)測(cè)類標(biāo)記未知的對(duì)象類。它主要用于提取重要數(shù)據(jù)類的模型或預(yù)測(cè)未來(lái)的數(shù)據(jù)趨勢(shì)。目前的主要分類方法有判定樹歸納分類、貝葉斯分類、神經(jīng)網(wǎng)絡(luò)分類、遺傳算法分類等等。這些分類方法各有特點(diǎn)，適用于不同的領(lǐng)域，目前尚未發(fā)現(xiàn)有一種方法對(duì)所有數(shù)據(jù)都優(yōu)于其他方法。 進(jìn)化計(jì)算(EC)是一種模擬生物進(jìn)化過(guò)程與機(jī)制求解問(wèn)題的自組織、自適應(yīng)性人工智能技術(shù)。結(jié)合了達(dá)爾文的自然選

2、擇與孟德爾的遺傳變異理論，將生物進(jìn)化中的四種基本形式：繁殖、變異、競(jìng)爭(zhēng)和選擇引入到算法的過(guò)程中，指導(dǎo)算法的進(jìn)行。它已經(jīng)廣泛應(yīng)用于調(diào)度規(guī)劃、機(jī)器學(xué)習(xí)、圖像處理和模式識(shí)別、最優(yōu)控制等領(lǐng)域。它在數(shù)據(jù)挖掘的分類中也有一些初步應(yīng)用。 本文將詳細(xì)闡明什么是進(jìn)化計(jì)算、它的概念以及分析其理論基礎(chǔ)，并進(jìn)一步闡述共同進(jìn)化計(jì)算的主要內(nèi)容。討論目前分類的評(píng)價(jià)標(biāo)準(zhǔn)和主要算法，如ID3、C4.5和EC算法，在此基礎(chǔ)上提出一個(gè)基于共同進(jìn)化計(jì)算的分類算法(CB

3、CEC)，并詳細(xì)介紹該算法的主要原理和過(guò)程。使用WEKA數(shù)據(jù)挖掘平臺(tái)在多個(gè)公共數(shù)據(jù)庫(kù)上對(duì)上述的幾個(gè)算法進(jìn)行詳細(xì)的性能比較，得出了結(jié)論：CBCEC算法分類準(zhǔn)確度高，并且可以得到簡(jiǎn)潔的可理解性強(qiáng)的規(guī)則。同時(shí)針對(duì)如何挖掘用戶興趣的規(guī)則，通過(guò)修改CBCEC的適應(yīng)度評(píng)價(jià)函數(shù)，提出適用于挖掘用戶興趣度較高的規(guī)則算法，實(shí)驗(yàn)證明了該算法的有效性和適用性。 最后結(jié)合某省的車輛交通規(guī)費(fèi)系統(tǒng)，提出一個(gè)基于J2EE的數(shù)據(jù)挖掘體系結(jié)構(gòu)，并應(yīng)用本文提出的共