基于自适应改进粒子群优化的数据离散化算法

• 作者: 刘力 董跃华
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 经典粗糙集 自适应 粒子群优化 离散化 禁忌搜索
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 188-193
• 页数: 6页
• 分类号: TP311|TP18
• 字数: 7303字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.01.0188

摘要

针对经典粗糙集只能处理离散型属性的问题,提出一种基于自适应混合粒子群优化(AHPSO)的离散化算法.首先,引入自适应调整策略,以克服粒子群易陷入局部解的缺点,提高了粒子群全局寻优能力;然后对每一代全局最优粒子进行禁忌搜索(TS),得到当代最佳全局最优粒子,增强了粒子群局部搜索能力;最后,在保持决策表分类能力不变的情况下,将属性离散化分割点初始化为粒子群体,通过粒子间的相互作用得到最佳的离散化分割点.使用WEKA平台上的J48决策树分类方法,与基于属性重要度、信息熵的离散化算法相比,该算法的分类精度提升了10％ ～ 20％;与基于小生境离散粒子群优化(NDPSO)、参数线性递减粒子群的离散化算法相比,该算法的分类精度提升了2％ ～5％.实验结果表明,该算法显著地提高了J48决策树的分类学习精度,在对数据离散化时也有较好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董跃华	江西理工大学信息工程学院	27	228	8.0	14.0
2	刘力	江西理工大学信息工程学院	6	44	4.0	6.0