數(shù)據(jù)分類是一種根據(jù)輸入數(shù)據(jù)集建立分類模型的系統(tǒng)方法,分類規(guī)則挖掘又是數(shù)據(jù)分類的重要研究方向。由于進(jìn)化算法展現(xiàn)出的優(yōu)越性能,自遺傳算法實(shí)現(xiàn)分類規(guī)則挖掘后,許多進(jìn)化算法如決策樹分類法、神經(jīng)網(wǎng)絡(luò)、樸素貝葉斯、群類算法和基于規(guī)則的分類法等方法在分類規(guī)則挖掘領(lǐng)域中得到廣泛應(yīng)用。本文在闡述和分析國(guó)內(nèi)外運(yùn)用進(jìn)化算法解決分類規(guī)則挖掘問(wèn)題的基礎(chǔ)上,分析采用智能優(yōu)化算法進(jìn)行分類規(guī)則挖掘中存在的易陷入局部最優(yōu)、分類精度不理想與魯棒性差等問(wèn)題,提出基于雙鏈量子遺傳優(yōu)化的分類規(guī)則挖掘算法（Classification Rule Mining Based on Double Chains Quantum Genetic Optimization,DCQGA-CRM）,通過(guò)算法性能分析驗(yàn)證所提算法在解決分類規(guī)則挖掘領(lǐng)域中的有效性和實(shí)用性。本文研究?jī)?nèi)容主要包括以下幾方面:（1）概述了遺傳算法、量子遺傳算法和雙鏈量子遺傳算法的原理、更新策略和算法流程,并分別利用三種算法求解簡(jiǎn)單一元函數(shù)極小值和多元函數(shù)最大值優(yōu)化問(wèn)題,根據(jù)進(jìn)化過(guò)程分析采用雙鏈量子遺傳算法求解問(wèn)題相較于其他兩種算法展現(xiàn)的優(yōu)點(diǎn)。（2）針對(duì)智能優(yōu)化算法求解分類... 

【文章來(lái)源】：沈陽(yáng)工業(yè)大學(xué)遼寧省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 智能優(yōu)化算法研究
        1.2.2 智能優(yōu)化算法的改進(jìn)
        1.2.3 智能優(yōu)化算法在分類規(guī)則挖掘中應(yīng)用
    1.3 本文研究?jī)?nèi)容及主要工作
第2章 雙鏈量子遺傳算法
    2.1 量子遺傳算法
        2.1.1 量子比特編碼和旋轉(zhuǎn)門更新
        2.1.2 量子遺傳算法流程
    2.2 雙鏈量子遺傳算法
        2.2.1 雙鏈量子遺傳算法基本步驟
        2.2.2 雙鏈量子遺傳算法收斂性證明
    2.3 數(shù)值算例及結(jié)果分析
    2.4 本章小結(jié)
第3章 基于雙鏈量子遺傳優(yōu)化的分類規(guī)則挖掘算法
    3.1 分類規(guī)則挖掘算法
        3.1.1 分類規(guī)則挖掘基本概念
        3.1.2 分類規(guī)則挖掘流程
    3.2 基于雙鏈量子遺傳算法的分類規(guī)則挖掘
        3.2.1 量子位實(shí)數(shù)編碼
        3.2.2 解空間變換
        3.2.3 量子旋轉(zhuǎn)門轉(zhuǎn)角方向
        3.2.4 量子旋轉(zhuǎn)門轉(zhuǎn)角大小
        3.2.5 量子變異
    3.3 DCQGA-CRM算法的基本流程
    3.4 本章小結(jié)
第4章 分類規(guī)則挖掘算法性能分析
    4.1 數(shù)據(jù)集與實(shí)驗(yàn)條件
    4.2 分類精度性能評(píng)估
        4.2.1 分類對(duì)比算法
        4.2.2 分類精度實(shí)驗(yàn)參數(shù)設(shè)置及結(jié)果分析
    4.3 分類魯棒性性能評(píng)估
    4.4 本章小結(jié)
第5章 結(jié)論
參考文獻(xiàn)
在學(xué)研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于證據(jù)推理規(guī)則的信息融合故障診斷方法[J]. 徐曉濱,鄭進(jìn),徐冬玲,楊劍波.  控制理論與應(yīng)用. 2015(09)
[2]改進(jìn)蟻群算法MMAS在分類規(guī)則挖掘中的研究[J]. 陳寶鋼,唐飛,蔡鐵,陸蕓婷,劉壽強(qiáng).  計(jì)算機(jī)技術(shù)與發(fā)展. 2014(06)
[3]基于分類規(guī)則的C4.5決策樹改進(jìn)算法[J]. 李孝偉,陳福才,李邵梅.  計(jì)算機(jī)工程與設(shè)計(jì). 2013(12)
[4]基于改進(jìn)Ant-miner算法的分類規(guī)則挖掘[J]. 肖菁,梁燕輝.  計(jì)算機(jī)工程. 2012(17)
[5]雙鏈量子遺傳算法的收斂性分析[J]. 張小鋒,鄭冉,睢貴芳,李志農(nóng),楊國(guó)為.  計(jì)算機(jī)工程. 2012(15)
[6]基于因素空間的規(guī)則調(diào)度決策模型[J]. 岳磊,孫永剛,史海波,劉昶.  信息與控制. 2010(03)
[7]基于概念格和條件信息熵的分類規(guī)則獲取方法[J]. 房鵬杰,張素蘭,張繼福.  計(jì)算機(jī)工程與應(yīng)用. 2010(14)
[8]從腫瘤基因表達(dá)數(shù)據(jù)挖掘分類規(guī)則的研究[J]. 馬猛,汝穎,馬騰,鈕俊清,李龍澍,王煦法.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2009(05)
[9]基于聚類和Ripper的稀有類分類方法[J]. 余雯,蔣盛益,黃興全.  暨南大學(xué)學(xué)報(bào)(自然科學(xué)與醫(yī)學(xué)版). 2009(01)
[10]基于量子行為的粒子群優(yōu)化算法分類規(guī)則獲取[J]. 劉韜,殷鋒,陳建英,何蔚林.  計(jì)算機(jī)應(yīng)用研究. 2009(02)

碩士論文
[1]分類規(guī)則挖掘在金融中的應(yīng)用[D]. 吳旖雯.浙江大學(xué) 2016
[2]量子計(jì)算中若干問(wèn)題的研究[D]. 趙素麗.天津大學(xué) 2012
[3]基于C4.5算法的高血壓分類規(guī)則提取的研究[D]. 林玲玲.太原理工大學(xué) 2012
[4]基于改進(jìn)的蟻群算法在分類規(guī)則中的應(yīng)用研究[D]. 黃麗豐.重慶理工大學(xué) 2011
[5]數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)故障診斷中的應(yīng)用研究[D]. 武藝全.西安電子科技大學(xué) 2010
[6]基于蟻群算法的分類規(guī)則發(fā)現(xiàn)[D]. 蔣蕾.江南大學(xué) 2008
[7]基于微粒群算法生成分類規(guī)則[D]. 延麗平.中北大學(xué) 2006
[8]基于混合遺傳算法的分類規(guī)則挖掘方法及其并行實(shí)現(xiàn)[D]. 張磊.重慶大學(xué) 2004



本文編號(hào)：3175397