摘要： 将粒子群算法应用于数据分类,给出了适用于粒子群算法的分类规则编码,构造了新的分类规则适应度函数来更准确的提取规则集,并通过修改粒子位置更新方程使粒子群算法适于解决分类规则挖掘问题,进而实现了基于粒子群算法的分类器设计。该文进一步用UCI基准数据集对作者提出的粒子群分类器进行了测试,并将几种不同速度与位置更新策略的粒子群算法分类器与遗传算法分类器进行对比,实验结果表明,这种粒子群分类器是一种有效、可行的分类器设计方案。

关键词: 数据挖掘, 粒子群, 分类器, 分类规则

Abstract: This paper proposes the use of particle swarm optimization(PSO)as a method for classification rule discovery and accomplishes a particle swarm classifier.To make it suitable for PSO algorithm,it designs a new classification rule coding and defines a function for evaluating classification rule.To test its performance,UCI repository used for machine learning is used for experimental testing.The result indicates that PSO classifier is an available and feasible classifier for data mining.

中图分类号: 

• TP18