基于蚁群算法的数据分类问题研究及其在蛋白质功能预测中应用

《基于蚁群算法的数据分类问题研究及其在蛋白质功能预测中应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP391学校代码10590UDC004密级公开深圳大学硕士学位论文基于蚁群算法的数据分类问题研究及其在蛋白质功能预测中应用学位申请人姓名孙江涛专业名称计算机科学与技术学院（系、所）计算机与软件学院指导教师姓名梁正平副教授、林秋镇博士深圳大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：所呈交的学位论文基于蚁群算法的数据分类问题研究及其在蛋白质功能预测中应用是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写的作品或成果。对本文的研究

2、做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律后果由本人承担。论文作者签名：日期：年月日基于蚁群算法的数据分类问题研究及其在蛋白质功能预测中应用摘要随着大数据时代的到来，数据挖掘和数据分类日益成为研究人员关注的焦点。由于大数据的复杂性、冗余性和难于建模等特点，目前的算法很难很好的对其进行分类处理。人工智能启发式算法在解决数据分类等优化问题上具有一定的优势。人工蚁群智能系统是借鉴蚂蚁群体觅食的社会行为而发展的新型智能算法。蚁群算法包含了自组织、记忆功能、正反馈等进化学习机理，为复杂的优化问题提供了新的解

3、决方案和思路。本文主要针对数据分类问题的应用实例研究人工蚁群智能算法。首先介绍了人工蚁群智能算法的生物学机理、研究现状及其算法原理。接着分别对数据分类问题和蛋白质功能预测问题进行分析，并基于人工蚁群智能算法，提出了相应的改进算法。通过仿真实验，改进的算法在相应的优化问题中均有明显的优势。本文主要工作如下：(1)在解决数据分类问题上，本文提出了基于人工蚁群智能算法的多规则集合分类算法AntMinermbc。该算法提出了一个新型的分类模型，由多个基分类器组成，基分类器之间可以互相弥补，从而提高算法的分类准确性。另外，设计了

4、一个新的启发式因子，能够有效的避免算法的过拟合性。最后，采用加权投票机制对未知数据进行准确分类。(2)在解决蛋白质功能预测问题上，本文提出了一种新的基于人工蚁群智能算法的分层多标签分类算法hmAntMinerorder。该算法改进了轮盘选择策略，设计一个有序轮盘能够明确的区分蛋白质数据属性的优劣，从而引导人工蚂蚁搜索更好的解。另外，设计了一个新型的信息素更新策略，加强hmAntMinerorder算法的收敛性，避免在处理蛋白质功能预测问题时陷入局部最优解。关键词：人工智能；蚁群算法；数据分类；蛋白质功能预测IDatac

5、lassificationandproteinfunctionpredictionproblemresearchbasedonantcolonyalgorithmAbstractWiththeadventofbigdata,datamininganddataclassificationhaveincreasinglybecomethefocusofattentiontoresearchers.Becauseofthecomplexity,redundancy,difficultyofmodelingandsoon,th

6、eexistingalgorithmsaredifficulttoaccuratelyclassifydata.Artificialintelligenceheuristicalgorithmshavecertainadvantagestodealwithdataclassificationandsomeotheroptimizationproblems.Artificialantcolonyintelligencesystemhasbeendevelopedtobeanewintelligentalgorithmby

7、mimickingtheantcolonyforagingofsocialbehavior.Antcolonyalgorithmcontainstheevolutionarylearningmechanisms,suchasself-organization,memoryfunctionandpositivefeedback,whichprovidesnewsolutionsandideasforcomplexoptimizationproblem.Becauseantcolonyalgorithmhassuperio

8、rperformanceoncomplexoptimizationproblems,itgraduallybecomesaresearchfocus.Thisthesisstudiesantcolonyintelligencealgorithmfromtheapplicationinstanceofdataclassificati