基于多群协同人工鱼群算法的分类规则提取算法

被引:11
作者
戴上平 [1 ]
姬盈利 [1 ]
王华 [2 ]
金鹏 [1 ]
机构
[1] 华中师范大学计算机科学系
[2] 武汉大学资源与环境科学学院
关键词
多群体人工鱼群; 分类规则; 协同; 单群体人工鱼群算法; 多种群微粒群算法;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
080201 [机械制造及其自动化];
摘要
在对基本人工鱼群算法原理分析的基础上,提出了一种多群协同人工鱼群算法用于实现对连续空间变量的分类规则提取问题。定义了基于规则支持度与置信度的规则评价函数,构造了人工鱼在规则提取应用中的特定编码及相关概念的计算公式,给出了该算法的具体实现步骤,并用VC++软件编程实现。最后对Iris和Wine数据集进行测试实验,并与单群体鱼群算法及多种群微粒群算法进行比较。仿真结果表明,该算法能够快速提取分类精度较高的分类规则,因此利用该算法解决连续变量分类规则提取的相关问题是可行且有效的。
引用
收藏
页码:1676 / 1679
页数:4
相关论文
共 11 条
[1]
云人工鱼群算法 [J].
韦修喜 ;
曾海文 ;
周永权 .
计算机工程与应用 , 2010, (22) :26-29
[2]
人工鱼群与微粒群混合优化算法 [J].
姚祥光 ;
周永权 ;
李咏梅 .
计算机应用研究, 2010, 27 (06) :2084-2086+2102
[3]
改进的人工鱼群算法在水质参数识别中的应用 [J].
陈广洲 ;
徐晓春 ;
汪家权 ;
胡淑恒 .
水力发电学报, 2010, 29 (02) :108-113
[4]
求解聚类问题的改进人工鱼群算法 [J].
王会颖 ;
章义刚 .
计算机技术与发展, 2010, 20 (03) :84-87+91
[5]
基于人工鱼群算法的聚类挖掘 [J].
苏锦旗 ;
吴慧欣 ;
薛惠锋 .
计算机仿真, 2009, 26 (02) :147-150
[6]
基于改进人工鱼群算法的RBF网络及其在人脸表情识别中的应用 [J].
王晔 ;
吴小俊 ;
王士同 ;
杨静宇 .
计算机应用研究, 2008, (09) :2643-2646
[7]
改进型人工鱼群算法及复杂函数全局优化方法 [J].
黄华娟 ;
周永权 .
广西师范大学学报(自然科学版), 2008, (01) :194-197
[8]
一种多微粒群协同进化算法 [J].
李菲菲 ;
姚坤 ;
刘希玉 .
计算机工程与应用 , 2007, (22) :44-46
[9]
基于人工鱼群算法的分类规则发现 [J].
陈俊清 ;
朱文兴 .
福州大学学报(自然科学版), 2007, (01) :25-30
[10]
利用多群体PSO算法生成分类规则 [J].
延丽平 ;
曾建潮 .
计算机工程与科学, 2007, (01) :94-96+125