[doc] 基于蚁群算法的分类规则挖掘.docVIP

基于蚁群算法的分类规则挖掘 第7卷第5期 2o08年1O月 江南大学(自然科学版) JournalofJiangnanUniVersity(NaturalScienceEdition) Vo1.7 0ct. No.5 2008 文章编号:1671—7l47(2008)05—05l1—05 基于蚁群算法的分类规则挖掘 蒋蕾 (江南大学信息工程 .王士同 学院,江苏无锡214l22) 摘要:在Ant—Miner算法基础上提出了一种利用蚁群算法解决分类规则挖掘的算法(AcR),设计 了合理的蚂蚁选择属性及属性分区的概率公式,并对规则质量的衡量等策略进行改进,可以较好 地挖掘分类规则.在标准数据集上通过与Ant.Miner算法和经典的基于决策树的C4.5算法比较, ACR在挖掘分类规则的简单性,正确率上有较好的表现. 关键词:蚁群算法;分类问题;规则发现;数据挖掘 中图分类号:TP301.6;TH1l2.6文献标识码:A Classificati0nRuleExtracti0nBased0nAntC0l0nyAlg0rithm JIANGLei. (Sch0olofInf0rmati0nTechno1ogy, WANGShi-tong JiangnanUniversity,Wuxi214122,China) Abstract:Based0ntheAnt-]Ⅵineralgorithm,thepaperpresentsanewalgorithmfl0rclassification ruleminingprobleminwhichantc0l0nyalgorithmisused.Thealg0rithmusesreasonablepr0bability f0rmulaf0rantattributesandattrihutesVa1uesandempl0ysthestrategyf0rrulequality measurement.Therefore,ACRcouldbetterdisc0vertheclassificationrules.Comparedwith Ant-MineralgorithmandtheclassicalC4.5algorithmbased0ndecisi0ntree,theexperimental resultsonseveralbenchmarkdatasetssh0wthatACRcandiscoverclassificationruleswithbetter simp1icityandquality. I(eywOrds:antc0l0nyalgorithm;classificati0n;ruledisc0Vering;datamining 作为数据挖掘中的一个重要任务,规则发现通 过从大型数据库中抽取有价值,有意义的信息,产 生规则集来描述各类数据的特征.规则挖掘中预测 规则的定义形式一般为IF—THEN形式.分类规则的 表达方式如IFlt;条件gt;THENlt;类gt;,规则前件 (IF部分)包含一组条件集合,一般由逻辑连接符连 接.如term1ANDterm2AND…而每一个term就 是一个lt;attributeoperationvaluegt;,如lt;颜色= 红色gt;;规则结论(THEN部分)定义了样本的预测 类,这些样本的预测属性满足规则前件所定义的所 有条件.根据这些简单的规则,可以透过海量的 数据很好地预测,判断某种现象或得到一些启发. 目前,解决分类问题的算法很多,例如,从统计角度 出发的贝叶斯分类算法,基于距离的K.最近邻分类 收稿日期:2008—01—17;修订日期:2008—04—22. 基金项目:国家自然科学基金项目F0201O6). 作者简介:蒋蕾(1979一),女,江苏江阴人,轻工信息技术与工程专业硕士研究生. 通讯联系人:王士同(1964一),男,江苏扬州人,教授,博士生导师.主要从事人工智能/模式识别,神经模糊系 统,生物信息学等研究.Email:wxwangst@ 512江南大学(自然科学版)第7卷 算法(KNN)心以及比较着名的基于决策树的ID3 算法和其改进的C4.5算法.2O02年,R.S. Parpinelli等首次结合ACO,提出了基于蚂蚁的分 类规则发现系统(Ant-Miner)j,较基于传统的决 策树算法具有较好的效果. 文中在Ant.Miner算法框架通过对蚂蚁选择规 则公式和规则质量的衡量等策略的改进,提出利用 蚁群算法解决分类问题的新算法,并在标准数据库 中进行测试,与Ant.Miner和c4.5算法比较,表明 文中算法在规则质量及正确率上都有一定优势. 基本的蚁群优化算法 受真实蚂蚁群体活动(如蚂蚁觅食)的启发, M.Do