蚁群算法是一种基于种群的启发式搜索算法,它通过模拟蚂蚁搜索从巢穴至食物最短路径的行为来求解问题。蚁群算法由于其鲁棒性、并行性、易于并行实现及与其他方法相结合等特点,越来越得到广泛应用。分类问题由于其潜在应用领域的广泛性而成为数据挖掘领域中的一个研究热点。本文在分别对蚁群算法和分类规则挖掘进行深入研究的基础上,提出了一种新的分类规则挖掘方法—基于蚁群算法的分类规则挖掘算法。该算法是一种覆盖算法:蚁群搜索一个规则,移去它覆盖的样例,再重复这一过程,从而得到共同覆盖样例的一组规则。该算法采取用相对概率对每个属性依次进行搜索的方法,并通过对五个公共数据进行试验,将试验结果与Ant-Miner算法的结果进行比较,试验结果表明该算法能够发现更好的分类规则,包括更强的预测能力,有更少的规则集以及更简单的规则。最后对算法中的参数进行了大量的分析和试验,得到了针对该类问题的最佳参数设置,证明了用蚁群算法进行分类是一种比较可行的分类方法。