基于PSO算法的分類規(guī)則數據挖掘.pdf

1、粒子群最佳化算法(Particle Swarm Optimization; PSO)為人工智能領域中的一項新興技術，由1995年發(fā)展至今，已經逐漸被廣泛地應用于最佳化問題與數據挖掘領域。
　　 本文將試圖采用離散型的PSO算法來扮演規(guī)則挖掘算法(Rule Discovery Algorithm)的角色，并且結合完整的匹茲堡學說概念來表示個體，進一步結合USD離散化算法(Gir' aldez et a1．，2002)，使分類算法能

2、夠同時處理離散型與連續(xù)型屬性數據，而不需要事先將原始數據集中的連續(xù)型屬性數據進行離散化后才加載分類算法中。
　　 該算法也利用所提出的規(guī)則屏蔽(Rule Mask)的概念，利用附加的位(bit)來表示規(guī)則的狀態(tài)，并利用以遺傳算法結合匹茲堡學說來構建分類算法的相關研究(Janikow，1993; Bacardit and Garrell，2003a)所使用的規(guī)則刪減運算子(Rule DeletionOperator)以及最小敘述長

3、度為基礎的適應函數(Minimum Description Length-basedFitness Function)這兩種方法來達成粒子可變動長度的功能，使粒子的表示能更符合匹茲堡學說的原理。
　　 本文除了試圖以另一種設計方式來構建以PSO算法為基礎的分類算法外，也提出了相關研究發(fā)展至目前為止所存在問題的解決方法，使PSO算法為基礎的分類算法能有更佳完備的分類功能。
　　 實驗結果顯示，該算法可以使粒子具有可變動長度

4、的特性，分類算法能夠同時處理不同型態(tài)的屬性數據。在分類準確率的比較方面，該算法所提出的分類算法已達到J48算法的分類水平，并且僅以較少的規(guī)則數目即可達到更高的分類效果，說明該算法具有較強的實用價值。
　　 粒子群最佳化算法于將近十年的發(fā)展中，各式各樣的研究議題紛紛呈現(xiàn)，而且顯示出逐步成長的趨勢。但仍然，相較于遺傳算法等發(fā)展較為悠久的演化式技術，粒子群最佳化算法于數據分類問題領域之中的發(fā)展仍尚未成熟，按然存在著很多切入點可以深入探