基于最佳粒子共享的并行粒子群优化算法及其在分类中的应用
发布时间:2012/7/9 10:39:36 作者:刘剑波1,张南2,郭文涛3 来源:1.成都中医药大学,四川 成都 610041;2.解放军78006部队,四川 成都 610041;3.济南金曼克电器有限公司,山东 济南 250000 【字体:
大 中 小】
摘要:粒子群优化(Particle Swarm Optimizer, PSO)算法是数据挖掘技术的一种算法。数据挖掘就是从大型数据库中的数据中提取人们感兴趣的知识。PSO算法模仿鸟群、鱼群的行为,通过群中的每个个体即粒子,依靠本身的速度向量和群信息,在多维搜索空间中搜索找到最优解。并行粒子群算法可以减小粒子间的相互干扰,扩大搜索范围;对于大规模或超大规模的多变量求解具有重要的意义,可以提高解的速度和解的质量。本文提出了并行粒子群的改进算法。同时将改进的并行粒子群算法应用于数据挖掘的分类中。实验采用IRIS数据集,它有3个类别,分别为Setosa, Versicolor ,Virginica,每个类别包含50个例子。每个例子有4个属性,分别为花萼长度,花萼宽度,花瓣长度和花瓣宽度,将数据按9:1分成两部分,大的作为训练样本,小的作为测试样本。得到一个分类规则,将这规则用于测试集,准确率为91.5%。实验结果表明该算法可行。