基于混合粒子群算法的数据分类  

A Method of Data Classification Based on Hybrid Particle Swarm Optimization

作　　者：李勤丰[1,2] 郭海凤[2] 刘玉霞[3] 

机构地区：[1]金陵科技学院公共基础课部,江苏南京211169 [2]河海大学计算机与信息学院,江苏南京211100 [3]解放军国际关系学院基础部,江苏南京210039

出　　处：《金陵科技学院学报》2015年第2期14-17,共4页Journal of Jinling Institute of Technology

摘　　要：随着科技的飞速发展,数据分类日益重要。在改进粒子群算法基础上,结合最近邻分类,形成混合粒子群算法,并在分类基准数据集Iris上试验。试验结果表明:所提出的算法在收敛速度、稳定性和可信度上具有一定的优越性。With the development of science and technology,data classification is more and more important.A hybrid Particle Swarm Optimization（PSO）,based on improved normal PSO and the nearest neighbor classification,is proposed in this thesis.It is carried out on the benchmark Iris dataset,and the experiments show that our method has advantages to a certain extent,on the rate of convergence,stability and reliability.

关 键 词：粒子群算法 最近邻 IRIS 数据分类 

分 类 号：O24[理学—计算数学] TP301[理学—数学]