粒度智能体进化分类算法  

Granular Agent Evolutionary Algorithm for Classification

作　　者：潘晓英[1] 焦李成[1] 刘芳[2] 

机构地区：[1]西安电子科技大学智能感知与图像理解教育部重点实验室和智能信息处理研究所,陕西西安710071 [2]西安电子科技大学计算机学院,陕西西安710071

出　　处：《电子学报》2009年第3期628-633,共6页Acta Electronica Sinica

基　　金：国家自然科学基金(No.60703107;60703108;60703109;60702062);国家高技术研究发展计划(863计划)课题(No.2006AA01Z107);国家教育部博士点基金(No.20060701007);国家973项目(No.2006CB705700);教育部长江学者和创新团队支持计划(No.IRT0645);陕西省自然科学基金(No.2007F32)

摘　　要：受基于文化进化机制的粒度进化计算启发,针对分类任务提出了一种粒度智能体进化分类算法.该方法以粒度智能体表示具有相似属性的数据;以其中包含的知识库来指导粒度智能体的进化;设计了适合分类问题的粒度进化算子——同化算子、交换算子以及分化算子,分别体现了智能体的竞争性、协同性以及自学习性.最终根据一定的策略从所得到的粒度智能体中提取出分类规则,用以对新数据的预测分类.测试结果表明该算法具有良好的分类预测性能,且仅需要较小的训练时间代价.在UCI中的大部分数据集上都要优于性能良好的G-NET,OCEC以及C4.5算法.By inspiration of the granular evolutionary algorithm, a Granular Agent Evolutionary algorithm for Classification （GAEC） is proposed. The method uses the granular agent to denote the set of examples that have similar attributions and the knowledge base guides the evolutionary of granular agent. Also some granular evolutionary operators are designed for classification problem. Assimilation operator, exchange operator, and differentiation operator reflect the competitive, cooperative and self-learning ability of agent respectively. Finally, some classification rules are extracted from granular agents by some strategies to forecast the sort of new data. Empirical studies show that the algorithm has a good classification prediction, and only need a small price for the training time.In most UCI datasets,the performance of GAEC is better than G-NET,OCEC and C4.5,which have good performance.

关 键 词：分类 粒度智能体 同化 交换 分化 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]