基于群体智能的分布式数据挖掘方法.docVIP

基于群体智能的分布式数据挖掘方法 第3l卷 1.3l 第8期 他 计算机工程 ComputerEngineering 2005年4月 April2005 .人工智能及识别技术?文章编号:l000—428(2oo5)08—_0l4s.一l3文献标识码:A中图分类号:TPI8 基于群体智能的分布式数据挖掘方法 刘波,潘久辉 (人计舒=机科学系,广州510632) 摘要:蚁群优化足人I智能领域『{J群体斜能分支之?,【经成功地川j旅行玳销员,fl~lk凋度由选择等优化题,f川它解决数据 挖掘川题还是.个新的研究课题,cmill等人引?X.I,yt?数提出了肚:A(O的分类算法.该文提出了旗于分』℃数据库体系结构 的ACO分类算法,采川rjI):Ilepinelli钾:法:川的发嘶数计算方法及价息索改变方法,帧拟实验表示该方法是有救的 关健词:群体钾能;蚁群优化;分类;分式数.f=lIl库 DistributedDataMiningMethodBasedonSwarmIntelligence [Abstract]AntcolonyOl}lilni/:alion(A(,())isabiancb0ralle;~,,lyde,elopedrnI1110raltifichllintelligencecalledVrlrmintelligenceIthasbeen appliedsUCCeSS|ulI),totr:I,clsalesploblem.1obschedule.I-{}LltClchoiceaddolliOlcombinaloiialoptilnizationproblemsButitisstillaflewt.esealch topicindataminingIlrcpinellietcl】roposedA(Ocltlssificationalgolithmtosingledatabase…IhepapeipioposesACOclassificationalgorithln basedoDdistiibuicddatahascrLIC[LIIC.addLiStSI1,,bethisticcomputatioi~addpbclCIIIIOIICupdatemethodswhichalcdillelcntliomI}aiepinellis lhcexpelimcntl1L1,,thattheinclhodiseffccti,一c IKeywords】,～alIllintclligencc;Antcoh}n3optimizatio1](A(,()):(lassil]cation;I)ist~ibuteddatabase 随息分i越术越广泛以及息的迅猛增『Jll,传统 的数据挖掘方法也难以,kiT:,此分式数据挖拥技术成为 了人1:能j分式数村域的究热.H前,.学 者按j{《{习,总仆结介f内F路研究分式数据挖抓 算法,J:之处fr数J乍之缺乏』:1l,联系,导敛分 析结果太水f0lJ.外,?义献iIi…J】Agent的 分布式数据挖捌法,利川移动的,分i的,It.利II办作的 智能体对分布式数槲J乍进行挖捌.小文应川种特殊Agent, 研究分布式数据挖拙f厅法泼法采川群llfi(SwmIll Intclligencc)这新兴n勺人1:能技术,投拟然l11筒 t个体成的{}落(蚂蚁,蜜蜂)行为,完成分i式数 挖任务.能Agent系统』它Agent系统的f: 别之一足:群智能Agent系统illAgent怂息崇(t-物体释 放的利化学物质)幼的,IJ艺Agent系统lllAgent足 H的马区动的. 数拊挖抓{足从人数i卜提小以,仃多种仃务,如 关联分析,分l炎,预测,聚类,『1.『川序列分析等.水文fiJf究 的』i!=分式分类办法,从分jl1场地n勺数J¨发现 每数据炎的规il!IJ. 1群体智能系统研究背景 群体智能足研究j洋简Agent{奉}lI仃的新兴领域l_f, 源于[{】简单个体组成n勺l洋落礼会系统.在然界i卜,在一 些群体,如蚂蚁,蜜蜂等,个怵能完成简的rfi--, 个体之问通过1介作『IJ以完成较为复杂的,午能的仃务. 例殳ll,虫I_5蚁总能找l;山2的途把食物搬IliI家.:文献 ?{I,绘r个验,』弹蚁,H食物的路.将障 物横放它们觅食的途llr,A端比B端爬离食物远.l】【llJ开始 从A端爬比n勺蚂蚁数日从B端走的蚂ⅡI义数llJ:【】.虫1.5蚁在 爬止过{=I.i会释放信息素.tli1=蚂蚁爬止的述度一样,过一 会Jb)6,从B端爬过及返llJ1的蚂蚁数l_l比从A端爬过及返回 f内蚁多,此蚂Ⅱ义较途【:释放的信息索总瞳比在较 K路I:释放的俯息崇总多.f息索较多的路径会吸引后 多的蚁选择此条路径.外,…息