基于快速蚁群算法的分类规则发现算法

摘要：

在数据挖掘的研究中,预测模型的研究是一个很重要的问题.而分类是预测的手段之一,因此分类方法的研究又是至关重要的.目前,国内外常用的分类方法有统计方法、机器学习方法、粗糙集方法、神经网络方法和遗传算法等.然而,这些方法却存在许多不足之处.例如,用神经网络方法分类的可解释性差;统计方法需要大量的先验知识而且得出的不是规则形式,不易让用户理解;用遗传算法进行分类,运行花费的时间长. 因此,人们希望分类器得到的是规则的形式,因为规则形式容易让客户理解,便于对结果分析,判断它是否合理,以便做出修改.那么进一步要求分类得出的规则预测准确率要高,规则的数目要少,规则的长度要尽量简短.同时,希望算法运行的时间效率能够进一步提高.本文简介Ant-Miner算法和基于快速蚁群算法的分类规则挖掘。

关键词： 蚁群算法 分类规则发现 数据挖掘 预测模型 分类器

作者: 陈俊清 朱文兴

作者单位: 福州大学数学与计算机科学学院,福州,350002

会议类型: 国内会议

会议名称: 第六届中国Rough集与软计算学术研讨会(CRSSC”2006)

会议地点: 浙江金华

会议语种:中文

页码: 186-189

在线出版日期: 2006-10-30（万方平台首次上网日期，不代表论文的发表时间）