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

• 作者: 刘剑波 张南 郭文涛
• 来源期刊: 机械
• 学科: 数学
• 关键词: 数据挖掘 并行粒子群优化 分类规则
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 设计与研究
• 页码范围: 32-34,37
• 页数: 4页
• 分类号: O29
• 字数: 2842字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-0316.2009.02.012

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘剑波		5	20	3.0	4.0
2	郭文涛		1	1	1.0	1.0