基于免疫遗传蚁群算法的数据挖掘技术研究

来源 :重庆大学 | 被引量 : 0次 | 上传用户:wlm7411814
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
蚁群算法是一种新兴的仿生群体智能算法,它通过模拟自然界中蚂蚁的群体行为,利用信息素的累积、挥发和更新使全局收敛于最优路径,具有很强的鲁棒性和全局寻优能力。伴随着当前数据库中存储的海量数据,数据挖掘技术越来越引起人们的关注,而数据分类规则挖掘和聚类分析一直都是数据挖掘中的核心问题。蚁群算法已成功地应用于数据的分类和聚类中,但仍存在着一些缺陷和不足,而多种进化仿生学人工智能算法的融合,已成为改进现有蚁群算法的一个非常重要的途径。   本文以蚁群算法为基础,根据所解决的具体问题,融入了遗传算法和人工免疫算法,充分发挥三种仿生进化算法各自的优势,弥补三种算法各自的不足,有效地改进了传统蚁群算法所存在的不足,并成功地用于解决旅行商问题、数据分类规则挖掘问题和聚类分析问题。   本文的主要研究工作包括:   ①阐述了蚁群算法、遗传算法和人工免疫算法的基本原理、流程和主要特点。   ②针对旅行商问题,在蚁群系统的基础上提出了一种免疫遗传蚁群融合算法,将免疫算法和遗传算法引入到每次蚁群迭代的过程中,利用免疫算法的局部优化能力和遗传算法的全局搜索能力,来提高蚁群系统的收敛速度。   ③通过对蚁群分类规则挖掘算法Ant Miner的深入分析,根据Ant Miner算法存在的不足,在Ant Miner的基础上引入了一种免疫遗传蚁群分类规则挖掘算法,将遗传算法和人工免疫算法融入Ant Miner中,以较大的概率获得更优的分类规则。   ④详细分析了蚁群聚类算法LF算法,针对LF算法的缺点,引入了一种免疫遗传蚁群混合聚类算法。新算法在运行LF算法后,首先利用遗传算法和人工免疫算法对蚁群聚类的结果进行处理,找出最优的初始聚类中心,再将蚁群聚类所形成的值和最优的初始聚类中心作为参数,并以蚁群聚类得出的聚类结果作为数据初始分布,执行K-means算法后得出最终的聚类结果。   本文针对解决旅行商问题提出的免疫遗传蚁群融合算法,解决分类规则挖掘问题引入的免疫遗传蚁群分类规则挖掘算法以及解决聚类分析问题引入的免疫遗传蚁群聚类算法,通过仿真实验表明其是有效的改进算法。
其他文献
数据挖掘研究的是如何获取海量数据中隐含的信息,这些信息不能通过常规的数据库查询、统计技术获得,由于它发现的是数据中隐含的模式和规律,如运用不当,将会泄露数据拥有者不
智能规划是人工智能的一个重要分支,它的研究最早可以追溯到六十年代。虽然人们很早就开始了对它的研究,但由于规划本身是一个非常复杂的问题,所以研究的进展一直很缓慢,甚至在八
近年来,物联网的发展进入了新的阶段,越来越多的物联网产品开始进入人们的视野并被人们所青睐,物联网正在给人们的生活带来越来越重大的影响。一些产品借助传感器设备采集周围环
随着多媒体技术的发展,数字视频得到广泛应用,对这些数据量巨大而且内容丰富的视频进行查询和检索的需求也日益增强,基于内容的视频检索(CBVR)技术也应运而生。视频镜头分割,又叫时
随着微机电系统、无线通信和低功耗嵌入式技术的飞速发展,无线传感器网络在近几年得到了较快的发展。测试是无线传感器网络中一个重要的研究课题,其中对能量消耗的测试在无线传
近年来,混沌同步引起了人们相当大的兴趣,因为混沌同步广泛的应用在各个领域,如物理,化学以及生物系统。在Voss发现混沌系统的前向同步后,越来越多的人们致力于对其进行理论分析。
在Web2.0环境下,人们不仅通过阅读获取信息,往往也承担着信息的发布和修改工作。同时,人们也不再独自和孤立的使用Internet,跨地域的协同活动愈发频繁。协同编辑和标注是Web2
同辈群体算法是一种非监督学习方法,可以克服传统监督学习难以识别股市新模式的缺点。然而,当前股市同辈群体算法所学习到的同辈群体质量差,且算法没有预测能力。论文的主要工作如下:论证了基于亲密度生成同辈群体的PG算法不足,进而给出一种深度计算的同辈群体生成方法;首先计算目标股票和后选股票之间的波段相似性,进而基于亲密度、相关性和活跃度进行深度计算,生成目标股票的同辈群体,并证明了深度计算所生成的同辈群体
在复杂的网络应用中,人们对高效、准确、快速的获取数据有着越来越高的要求。然而,受到网络体系结构、网络设备处理能力以及带宽大小等因素的影响,数据在传输的过程中可能发
计算机仿真技术是以多学科理论为基础,以计算机软件为工具,通过虚拟试验方法分析和解决问题的一门综合性技术。在纺织服装领域,计算机仿真正在发挥重要作用,利用计算机仿真,建立数