基于自适应蚁群优化算法的数据挖掘模型研究

作者:孟宪明;凌培亮 刊名:中国工程机械学报 上传者:朱惠敏

【摘要】在Ant-Miner算法框架中通过对启发式因子、信息素更新及路径选择概率等策略的改进,提出基于自适应蚁群优化算法的分类挖掘模型,并进行实验分析,与基本Ant-Miner算法相比较,表明这一算法在规则质量及运行时间上都有很大的优势.

全文阅读

第 7 卷第 3 期 2009 年 9 月 中  国  工  程  机  械  学  报 CHINESE JOURNAL OF CONSTRUCTION MACHINERY Vol. 7 No. 3  Sep. 2009 基金项目:“十一五”国家科技支撑计划资助项目(2006BAK12B03) ,上海市自然科学基金资助项目(06ZR14153) 作者简介: 孟宪明(1976 - ) ,男 ,讲师 ,博士生. E2mail :mengxm @tongji. edu. cn 基于自适应蚁群优化算法的数据挖掘模型研究 孟宪明 ,凌培亮 (同济大学 机械工程学院 ,上海   201804) 摘要 : 在 Ant2Miner 算法框架中通过对启发式因子、信息素更新及路径选择概率等策略的改进 ,提出基于自适应 蚁群优化算法的分类挖掘模型 ,并进行实验分析 ,与基本 Ant2Miner 算法相比较 ,表明这一算法在规则质量及运 行时间上都有很大的优势. 关键词 : 蚁群算法 ; 数据挖掘 ; 分类问题 ; 信息素 中图分类号 : TP 311. 12     文献标识码 : A     文章编号 : 1672 - 5581(2009)03 - 0275 - 05 Data mining models based on adaptive ant colony optimization algorit hm MENG Xia n2mi ng , LING Pei2lia ng(College of Mechanical Engineering , Tongji University , Shanghai 201804 , China)Abst ract : Based on such improved strategies as heuristic factor ,pheromones updating and routing probability under an ant2miner algorithm framework ,a classification mining model is postulated using adaptive ant colony optimization algorithm. Through experimental analysis ,compared with the original antminer al2gorithm ,this algorithm possesses significant advantages in terms of regular quality and running time. Key words : ant colony optimization ; data mining; classification problem; pheromone   数据挖掘(data mining)是从大量的数据中获取有效的、潜在有用的、新颖的、最终可理解的模式或规则的过程. 它强调对大量观测到的数据库信息的处理 ,从而发现知识 ,挖掘类型包括关联规则、分类、聚类、回归、序列等. 蚁群算法[1]是由意大利学者 Marco Dorigo 于 1992 年在他的博士论文中提出的 ,其灵感来源于蚂蚁在寻找食物过程中发现路径的行为. 蚁群算法在多个领域已取得了成功的应用 ,其在数据挖掘中的应用正逐 步引起人们的关注. Parpinelli 等[2]将蚁群算法应用于分类问题并提出了最早的基于蚁群算法的分类算法模型

参考文献

引证文献

问答

我要提问