双链量子遗传算法在分类规则挖掘中的应用
发布时间：2021-05-08 13:13
数据分类是一种根据输入数据集建立分类模型的系统方法,分类规则挖掘又是数据分类的重要研究方向。由于进化算法展现出的优越性能,自遗传算法实现分类规则挖掘后,许多进化算法如决策树分类法、神经网络、朴素贝叶斯、群类算法和基于规则的分类法等方法在分类规则挖掘领域中得到广泛应用。本文在阐述和分析国内外运用进化算法解决分类规则挖掘问题的基础上,分析采用智能优化算法进行分类规则挖掘中存在的易陷入局部最优、分类精度不理想与鲁棒性差等问题,提出基于双链量子遗传优化的分类规则挖掘算法（Classification Rule Mining Based on Double Chains Quantum Genetic Optimization,DCQGA-CRM）,通过算法性能分析验证所提算法在解决分类规则挖掘领域中的有效性和实用性。本文研究内容主要包括以下几方面:（1）概述了遗传算法、量子遗传算法和双链量子遗传算法的原理、更新策略和算法流程,并分别利用三种算法求解简单一元函数极小值和多元函数最大值优化问题,根据进化过程分析采用双链量子遗传算法求解问题相较于其他两种算法展现的优点。（2）针对智能优化算法求解分类...
【文章来源】：沈阳工业大学辽宁省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 智能优化算法研究
1.2.2 智能优化算法的改进
1.2.3 智能优化算法在分类规则挖掘中应用
1.3 本文研究内容及主要工作
第2章 双链量子遗传算法
2.1 量子遗传算法
2.1.1 量子比特编码和旋转门更新
2.1.2 量子遗传算法流程
2.2 双链量子遗传算法
2.2.1 双链量子遗传算法基本步骤
2.2.2 双链量子遗传算法收敛性证明
2.3 数值算例及结果分析
2.4 本章小结
第3章 基于双链量子遗传优化的分类规则挖掘算法
3.1 分类规则挖掘算法
3.1.1 分类规则挖掘基本概念
3.1.2 分类规则挖掘流程
3.2 基于双链量子遗传算法的分类规则挖掘
3.2.1 量子位实数编码
3.2.2 解空间变换
3.2.3 量子旋转门转角方向
3.2.4 量子旋转门转角大小
3.2.5 量子变异
3.3 DCQGA-CRM算法的基本流程
3.4 本章小结
第4章 分类规则挖掘算法性能分析
4.1 数据集与实验条件
4.2 分类精度性能评估
4.2.1 分类对比算法
4.2.2 分类精度实验参数设置及结果分析
4.3 分类鲁棒性性能评估
4.4 本章小结
第5章 结论
参考文献
在学研究成果
致谢
【参考文献】：
期刊论文
[1]基于证据推理规则的信息融合故障诊断方法[J]. 徐晓滨,郑进,徐冬玲,杨剑波. 控制理论与应用. 2015(09)
[2]改进蚁群算法MMAS在分类规则挖掘中的研究[J]. 陈宝钢,唐飞,蔡铁,陆芸婷,刘寿强. 计算机技术与发展. 2014(06)
[3]基于分类规则的C4.5决策树改进算法[J]. 李孝伟,陈福才,李邵梅. 计算机工程与设计. 2013(12)
[4]基于改进Ant-miner算法的分类规则挖掘[J]. 肖菁,梁燕辉. 计算机工程. 2012(17)
[5]双链量子遗传算法的收敛性分析[J]. 张小锋,郑冉,睢贵芳,李志农,杨国为. 计算机工程. 2012(15)
[6]基于因素空间的规则调度决策模型[J]. 岳磊,孙永刚,史海波,刘昶. 信息与控制. 2010(03)
[7]基于概念格和条件信息熵的分类规则获取方法[J]. 房鹏杰,张素兰,张继福. 计算机工程与应用. 2010(14)
[8]从肿瘤基因表达数据挖掘分类规则的研究[J]. 马猛,汝颖,马腾,钮俊清,李龙澍,王煦法. 中国生物医学工程学报. 2009(05)
[9]基于聚类和Ripper的稀有类分类方法[J]. 余雯,蒋盛益,黄兴全. 暨南大学学报(自然科学与医学版). 2009(01)
[10]基于量子行为的粒子群优化算法分类规则获取[J]. 刘韬,殷锋,陈建英,何蔚林. 计算机应用研究. 2009(02)
硕士论文
[1]分类规则挖掘在金融中的应用[D]. 吴旖雯.浙江大学 2016
[2]量子计算中若干问题的研究[D]. 赵素丽.天津大学 2012
[3]基于C4.5算法的高血压分类规则提取的研究[D]. 林玲玲.太原理工大学 2012
[4]基于改进的蚁群算法在分类规则中的应用研究[D]. 黄丽丰.重庆理工大学 2011
[5]数据挖掘技术在网络故障诊断中的应用研究[D]. 武艺全.西安电子科技大学 2010
[6]基于蚁群算法的分类规则发现[D]. 蒋蕾.江南大学 2008
[7]基于微粒群算法生成分类规则[D]. 延丽平.中北大学 2006
[8]基于混合遗传算法的分类规则挖掘方法及其并行实现[D]. 张磊.重庆大学 2004
本文编号：3175397
【文章来源】：沈阳工业大学辽宁省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 智能优化算法研究
1.2.2 智能优化算法的改进
1.2.3 智能优化算法在分类规则挖掘中应用
1.3 本文研究内容及主要工作
第2章 双链量子遗传算法
2.1 量子遗传算法
2.1.1 量子比特编码和旋转门更新
2.1.2 量子遗传算法流程
2.2 双链量子遗传算法
2.2.1 双链量子遗传算法基本步骤
2.2.2 双链量子遗传算法收敛性证明
2.3 数值算例及结果分析
2.4 本章小结
第3章 基于双链量子遗传优化的分类规则挖掘算法
3.1 分类规则挖掘算法
3.1.1 分类规则挖掘基本概念
3.1.2 分类规则挖掘流程
3.2 基于双链量子遗传算法的分类规则挖掘
3.2.1 量子位实数编码
3.2.2 解空间变换
3.2.3 量子旋转门转角方向
3.2.4 量子旋转门转角大小
3.2.5 量子变异
3.3 DCQGA-CRM算法的基本流程
3.4 本章小结
第4章 分类规则挖掘算法性能分析
4.1 数据集与实验条件
4.2 分类精度性能评估
4.2.1 分类对比算法
4.2.2 分类精度实验参数设置及结果分析
4.3 分类鲁棒性性能评估
4.4 本章小结
第5章 结论
参考文献
在学研究成果
致谢
【参考文献】：
期刊论文
[1]基于证据推理规则的信息融合故障诊断方法[J]. 徐晓滨,郑进,徐冬玲,杨剑波. 控制理论与应用. 2015(09)
[2]改进蚁群算法MMAS在分类规则挖掘中的研究[J]. 陈宝钢,唐飞,蔡铁,陆芸婷,刘寿强. 计算机技术与发展. 2014(06)
[3]基于分类规则的C4.5决策树改进算法[J]. 李孝伟,陈福才,李邵梅. 计算机工程与设计. 2013(12)
[4]基于改进Ant-miner算法的分类规则挖掘[J]. 肖菁,梁燕辉. 计算机工程. 2012(17)
[5]双链量子遗传算法的收敛性分析[J]. 张小锋,郑冉,睢贵芳,李志农,杨国为. 计算机工程. 2012(15)
[6]基于因素空间的规则调度决策模型[J]. 岳磊,孙永刚,史海波,刘昶. 信息与控制. 2010(03)
[7]基于概念格和条件信息熵的分类规则获取方法[J]. 房鹏杰,张素兰,张继福. 计算机工程与应用. 2010(14)
[8]从肿瘤基因表达数据挖掘分类规则的研究[J]. 马猛,汝颖,马腾,钮俊清,李龙澍,王煦法. 中国生物医学工程学报. 2009(05)
[9]基于聚类和Ripper的稀有类分类方法[J]. 余雯,蒋盛益,黄兴全. 暨南大学学报(自然科学与医学版). 2009(01)
[10]基于量子行为的粒子群优化算法分类规则获取[J]. 刘韬,殷锋,陈建英,何蔚林. 计算机应用研究. 2009(02)
硕士论文
[1]分类规则挖掘在金融中的应用[D]. 吴旖雯.浙江大学 2016
[2]量子计算中若干问题的研究[D]. 赵素丽.天津大学 2012
[3]基于C4.5算法的高血压分类规则提取的研究[D]. 林玲玲.太原理工大学 2012
[4]基于改进的蚁群算法在分类规则中的应用研究[D]. 黄丽丰.重庆理工大学 2011
[5]数据挖掘技术在网络故障诊断中的应用研究[D]. 武艺全.西安电子科技大学 2010
[6]基于蚁群算法的分类规则发现[D]. 蒋蕾.江南大学 2008
[7]基于微粒群算法生成分类规则[D]. 延丽平.中北大学 2006
[8]基于混合遗传算法的分类规则挖掘方法及其并行实现[D]. 张磊.重庆大学 2004
本文编号：3175397
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3175397.html
