论文部分内容阅读
蚁群算法(ACO)是一种模拟群体智能的算法,在解决基于离散空间的问题时表现出良好的性能。蚁群算法在数据挖掘中的应用还处于起步阶段,本文在研究前人研究成果的基础上,提出了Ant Miner算法的改进算法AMI算法。该算法主要包括规则构建、规则修改、信息素更新、收敛测试、样本数据修改等几个重要步骤。该算法结合遗传算法(GA)的变异特征,在规则构建时进行变异,加大了搜索范围;同时,针对蚁群算法信息素更新的特点,对信息素更新方法做了改进,引入了挥发率参数,更好的符合了自然界的实际情况;并在信息素更新时考虑规则长度的影响,使长度短的规则所经过的路径在信息素更新时增加的多,长度大的规则所经过的路径信息素增加的少,以引导算法发现更简洁的规则。 通过试验,对该算法的性能进行了测试。试验结论说明,该算法比原算法在分类准确度上有一定的提高,规则也更简洁。