基于蚁群算法的分类规则挖掘.pdfVIP

第7卷第5期 江 南大 学 学报(自然 科 学版) Vo1．7 No．5 2o08年 1O月 JournalofJiangnanUniVersity(NaturalScienceEdition) 0ct． 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． 王士 同 (江南大学 信息工程学院，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；TH 1l2．6 文献标识码：A Classificati0nRuleExtracti0nBased0nAntC0l0nyAlg0rithm JIANGLei． WANG Shi-tong (Sch0olofInf0rmati0nTechno1ogy，JiangnanUniversity，Wuxi214122，China) Abstract：Based0ntheAnt-]Ⅵineralgorithm，thepaperpresentsanew algorithm f0lrclassification ruleminingproblem inwhichantc0l0nyalgorithm isused．Thealg0rithm usesreasonablepr0bability f0rmula f0r ant attributes and attrihutes Va1ues and empl0ys the strategy f0r rule quality measurement．Therefore， ACR could better disc0ver the classification rules． Compared with Ant-Mineralgorithm and the classicalC 4．5 algorithm based0n decisi0n tree，the experimental resultson severalbenchmark datasetssh0w thatACR can discoverclassification ruleswith better 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 是一个 attributeoperationvalue，如 颜色 = 过从大型数据库 中抽取有价值、有意义的信息，产 红色 ；规则结论(THEN部分)定义了样本的预测 生规则集来描述各类数据 的特征．规则挖掘 中预测 类，这些样本的预测属性满足规则前件所定义的所 规则的定义形式一般为 IF—THEN形式．分类规则的 有条件 ．根据这些简单的规则，可以透过海量的 表达方式如 IF条件 THEN 类 ，规则前件 数据很好地预测、判断某种现象或得到一些启发． (IF部分)包含一组条件集合，一般 由逻辑连接符连 目前，解决分类问题的算法很多，例如，从统计角度 接．如term1ANDterm2AND…而每一个term就 出发的贝叶斯分类算法 ，基于距离的K．最近邻分类 收