基于人工蜂群算法的分类算法研究.pdf

《基于人工蜂群算法的分类算法研究.pdf》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、藝腸＾ｚ＾ｒｔ）ＺＨＯＮＧＹＵＡＮＵＮ丨ＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹ基于人工蜂群算法的分类算法研宄张谦学科门类：工学专业名称：控制理论与控制工程导师姓名、职称：廖伍代教授王海泉副教授２０１７年５月中原工学院学位论文原创性声明，本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研宄工作及取得的研宄成果。论文中除了特别加以标注和致谢的地方外，不包含任何其他个人或集体己经公开发表或撰写过的研究成果。其他同志对本研宂的启发和所做的

2、贡献均已在论文中作了明确的声明并表示了谢意。一。本人学位论文与资料若有不实，愿意承担切相关的法律责任学位论文作者签名：张別年Ｊ月外日１中原工学院学位论文知识产权声明本人完全了解中原工学院有关保护知识产权的规定，即：研宄生在校攻读学位期间论文工作的知识产权单取属于中原工学院。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版。本人允内容编入许论文被査阅和借阅。学校可以将本学位论文的全部或部分有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

3、保密论文待解密后适用本声明。＇＂＇ｉ．．＼学位论文作者签名：脒ｆ指导教师签名５月２孓月＾日年十日年＾了授予单位代码:学号或申请号:密级:中原工学院硕士学位论文基于人工蜂群算法的分类算法研究张谦指导教师：廖伍代教授王海泉副教授申请学位级别：硕士专业名称：控制理论与控制工程提交日期：2017年3月论文答辩日期：2017年5月培养单位:中原工学院学位授予单位:中原工学院基于人工蜂群算法的分类算法研究专业名称：控制理论与控制工程研究生姓名：张谦指导教师：廖伍代、王海泉摘要近年来，对数据挖掘中高维数据的研究越

4、来越多。而在数据分析中，分类是一种有效的方法。但随着数据维数的不断增多，包含的一些不相关或冗余特征会增加分类难度。所以，在分类问题中，特征子集的选择和参数优化成为提高分类性能的两个重要因素。智能优化算法作为新兴的算法，通过模拟群体行为来解决复杂的实际问题。例如，人工蜂群算法通过模拟蜜蜂群体寻找优质蜜源的行为来解决问题，该算法借助启发式搜索策略，不仅有效进行局部搜索，还具有全局寻优能力。由于智能算法具有实现简单、适用性强的优点，因此，被广泛应用于模式识别、智能控制等领域。因此，本文提出基于人工蜂群算法的特征选择和支持向量机参

5、数同步优化的算法，其目的是既能提高分类率又能减少特征维数。将提出的算法在UCI数据库上验证，结果表明提出的算法具有特征选择的能力，降低了数据维数，并能明显提高分类能力。与其他算法相比，本文提出的算法在特征选择和分类方面具有较好的结果。鉴于人工蜂群算法初始解的随机性，引入整数帐篷映射的概念对初始阶段和侦查蜂生成解的方式进行改进，并用标准测试函数验证算法性能，得出改进的算法加快了收敛速度同时提高了算法精度。同样也将改进的算法用于特征选择和参数优化，运用相同的数据集验证结果，发现改进后的算法分类率更高且选择的特征数目更少。最后，

6、运用多目标人工蜂群算法对分类器进行设计，把分类率和特征选择作为两个目标，不设置权重。并对数据进行分类，优化得到的结果较前两种方法有所提升，而且决策者也可根据需要选择分类率高的结果或是特征数目少的结果。关键词：数据分类；人工蜂群算法；支持向量机；特征选择；多目标算法IRESEARCHONCLASSIFICATIONALGORITHMBASEDONARTIFICIALBEECOLONYALGORITHMMajor:ControlTheoryandControlEngineeringStudentName:ZhangQianSu

7、pervisor:LiaoWudai,WangHaiquanAbstractInrecentyears,moreandmorepeopleresearchonhigh-dimensiondataindatamining.Classificationisaneffectivemethodfordataanalysis.However,theever-increasingdimensionofthedataincludingsomeirrelevantorredundantfeaturesincreasethedifficul

8、tyofclassification.So,theselectionoffeaturesubsetsandoptimizationofparametersofclassifieraretwoimportantfactorstoimprovetheclassificationperformancefort