基于人工蜂群算法的分類算法研究.pdf

1、近年來，對(duì)數(shù)據(jù)挖掘中高維數(shù)據(jù)的研究越來越多。而在數(shù)據(jù)分析中，分類是一種有效的方法。但隨著數(shù)據(jù)維數(shù)的不斷增多，包含的一些不相關(guān)或冗余特征會(huì)增加分類難度。所以，在分類問題中，特征子集的選擇和參數(shù)優(yōu)化成為提高分類性能的兩個(gè)重要因素。
　　智能優(yōu)化算法作為新興的算法，通過模擬群體行為來解決復(fù)雜的實(shí)際問題。例如，人工蜂群算法通過模擬蜜蜂群體尋找優(yōu)質(zhì)蜜源的行為來解決問題，該算法借助啟發(fā)式搜索策略，不僅有效進(jìn)行局部搜索，還具有全局尋優(yōu)能力。由于

2、智能算法具有實(shí)現(xiàn)簡(jiǎn)單、適用性強(qiáng)的優(yōu)點(diǎn)，因此，被廣泛應(yīng)用于模式識(shí)別、智能控制等領(lǐng)域。
　　因此，本文提出基于人工蜂群算法的特征選擇和支持向量機(jī)參數(shù)同步優(yōu)化的算法，其目的是既能提高分類率又能減少特征維數(shù)。將提出的算法在UCI數(shù)據(jù)庫上驗(yàn)證，結(jié)果表明提出的算法具有特征選擇的能力，降低了數(shù)據(jù)維數(shù)，并能明顯提高分類能力。與其他算法相比，本文提出的算法在特征選擇和分類方面具有較好的結(jié)果。
　　鑒于人工蜂群算法初始解的隨機(jī)性，引入整數(shù)帳篷映

3、射的概念對(duì)初始階段和偵查蜂生成解的方式進(jìn)行改進(jìn)，并用標(biāo)準(zhǔn)測(cè)試函數(shù)驗(yàn)證算法性能，得出改進(jìn)的算法加快了收斂速度同時(shí)提高了算法精度。同樣也將改進(jìn)的算法用于特征選擇和參數(shù)優(yōu)化，運(yùn)用相同的數(shù)據(jù)集驗(yàn)證結(jié)果，發(fā)現(xiàn)改進(jìn)后的算法分類率更高且選擇的特征數(shù)目更少。
　　最后，運(yùn)用多目標(biāo)人工蜂群算法對(duì)分類器進(jìn)行設(shè)計(jì)，把分類率和特征選擇作為兩個(gè)目標(biāo)，不設(shè)置權(quán)重。并對(duì)數(shù)據(jù)進(jìn)行分類，優(yōu)化得到的結(jié)果較前兩種方法有所提升，而且決策者也可根據(jù)需要選擇分類率高的結(jié)果或