基于共同进化计算的分类规则算法

华南理工大学学报（自然科学版） ›› 2006, Vol. 34 ›› Issue (6): 69-73.

基于共同进化计算的分类规则算法

阂华清¹ 卢炎生¹ 蒋晓宇²

1．华中科技大学计算机科学与工程学院，湖北武汉 430074；2．华南理工大学计算机科学与工程学院，广东广州 510640

收稿日期:2005-10-17 出版日期:2006-06-25 发布日期:2006-06-25
通信作者: 闵华清(1956-)，男，在职博士生，华南理工大学教授，主要从事人工智能、Web数据库方面的研究． E-mail:hqmin@scut.edu.cn
作者简介:闵华清(1956-)，男，在职博士生，华南理工大学教授，主要从事人工智能、Web数据库方面的研究．
基金资助:
广东省重点科技攻关项目(2003C101007)；香港政府2005年粤港关键领域重大基金资助项目(GHs/054/04)

Algorithm of Classification Rules Based on Co-Evolution Computation

Min Hua-qing¹ Lu Yan-sheng¹ Jiang Xiao-yu²

1．College of Computer Science,Huazhong Univ.of Science and Tech.,Wuhan 430074,Hubei,China;2.College of Computer Science and Engineering,South China Univ.of Tech.,Guangzhou 510640,Guangdong,China

Received:2005-10-17 Online:2006-06-25 Published:2006-06-25
Contact: 闵华清(1956-)，男，在职博士生，华南理工大学教授，主要从事人工智能、Web数据库方面的研究． E-mail:hqmin@scut.edu.cn
About author:闵华清(1956-)，男，在职博士生，华南理工大学教授，主要从事人工智能、Web数据库方面的研究．
Supported by:
广东省重点科技攻关项目(2003C101007)；香港政府2005年粤港关键领域重大基金资助项目(GHs/054/04)

摘要/Abstract

摘要： 为提高分类挖掘的准确度，在分析ID3，CA．5和进化算法(Ec)的基础上，设计了两个共同进化的种群分别表示选择的属性子集和分类规则子集，提出基于共同进化计算的分类规则算法(CRCEC)，并构建CRCEC算法的适应度评价函数．用4个加利福尼亚大学Irvine分校的数据集对CRCEC，ID3，C4．5和Ec算法进行测试比较，结果表明CRCEC算法分类准确度高，可以得到简洁的、可理解性强的规则．最后给出了CRCEC算法在公路车辆征费分类预测系统中的一个应用实例．

关键词: 数据挖掘, 分类规则, 共同进化计算

Abstract:

In order to improve the accuracy of classified mining,the ID3,C4.5 and EC(Evolution Computation) algorithms are analyzed,and two co-evolution populations are designed to respectively describe the attribute set an the classification rule set.The algorithm of the classification rules based on the co-evolution computation f CRCEC) and its fitness function are then proposed.Moreover,a comparison among EC,ID3,C4.5 and CRCEC algorithms
is carried out using four datasets of University of California.Irvine.The results show that the proposed CRCEC al.gorithm is of high accuracy and helps obtain rules that are simple and easy to understand.The proposed algorithm is finally applied to the predictive system of highway charge as an application example.

Key words: data mining, classification rule, co-evolution computation

阂华清卢炎生蒋晓宇. 基于共同进化计算的分类规则算法[J]. 华南理工大学学报（自然科学版）, 2006, 34(6): 69-73.

Min Hua-qing Lu Yan-sheng Jiang Xiao-yu. Algorithm of Classification Rules Based on Co-Evolution Computation[J]. Journal of South China University of Technology (Natural Science Edition), 2006, 34(6): 69-73.

[1]	蔡晓东洪涛曹艺. 基于极化关系表述与低维数据间关联学习的推荐模型[J]. 华南理工大学学报（自然科学版）, 2022, 50(1): 122-131.
[2]	张子烨, 李明畅, 梁凌睿, 等. 推荐系统信息跨领域的改进迁移学习算法[J]. 华南理工大学学报（自然科学版）, 2020, 48(11): 99-106.
[3]	吴文静景鹏贾洪飞张铭航. 基于 K 均值聚类与随机森林算法的居民低碳出行意向数据挖掘[J]. 华南理工大学学报（自然科学版）, 2019, 47(7): 105-111.
[4]	蔡泽祥马国龙孙宇嫣黄昱翰. 基于数据挖掘的电力设备运维与决策分析方法[J]. 华南理工大学学报（自然科学版）, 2019, 47(6): 57-64,71.
[5]	郑晓峰王曙. 基于粗糙集与关联规则的道路运输管理信息数据挖掘方法[J]. 华南理工大学学报（自然科学版）, 2014, 42(2): 132-138.
[6]	陈兴蜀张帅童浩崔晓靖. 基于布尔矩阵和 MapReduce 的 FP-Growth 算法[J]. 华南理工大学学报（自然科学版）, 2014, 42(1): 135-141.
[7]	梁瑾罗飞许玉格. 基于决策表的模糊粗糙单调依赖算法及其应用[J]. 华南理工大学学报（自然科学版）, 2011, 39(7): 7-12.
[8]	张福勇齐德昱胡镜林. 基于IRP的未知恶意代码检测方[J]. 华南理工大学学报（自然科学版）, 2011, 39(4): 15-20.
[9]	贾西平彭宏郑启伦石时需江焯林. 基于主题的文档检索模型[J]. 华南理工大学学报（自然科学版）, 2008, 36(9): 37-42.
[10]	金义富朱庆生. 一种离群数据集延伸知识发现框架[J]. 华南理工大学学报（自然科学版）, 2008, 36(9): 31-36.
[11]	伍忠东高新波谢维信. 基于核方法的分类型属性数据集模糊聚类算法[J]. 华南理工大学学报(自然科学版), 2004, 32(9): 23-28.
[12]	唐东平王晓玉. 基于数据仓库的医药行业企业信息门户[J]. 华南理工大学学报(自然科学版), 2003, 31(7): 10-14,18.
[13]	李迪张春华曾　安. 自动化弧焊过程在线质量监测与管理平台 [J]. 华南理工大学学报(自然科学版), 2003, 31(1): 79-83.