一种不均衡数据的改进蚁群分类算法

J4 ›› 2011, Vol. 49 ›› Issue (04): 733-739.

一种不均衡数据的改进蚁群分类算法

徐淑坦^1, 王朝勇², 孙延风¹

1. 吉林大学计算机科学与技术学院, 长春 130012|2. 吉林工程技术师范学院应用科学学院, 长春 130052

收稿日期:2010-07-26 出版日期:2011-07-26 发布日期:2011-08-16
通讯作者: 孙延风 E-mail:sunyf@jlu.edu.cn

An Improved AntMiner Algorithm for Unbalanced Data

XU Shutan¹, WANG Chaoyong², SUN Yanfeng¹

1. College of Computer Science and Technology, Jilin University, Changchun 130012, China；2. School of Applied Science, Jilin Teachers Institute of Engineering and Technology, Changchun 130052, China

Received:2010-07-26 Online:2011-07-26 Published:2011-08-16
Contact: SUN Yanfeng E-mail:sunyf@jlu.edu.cn

摘要/Abstract

摘要：

针对蚁群挖掘算法（ant colony mining algorithm, ACMA）中的规则评价函数和规则修剪方法, 提出一种改进的蚁群挖掘算法（improved ant colony mining algorithm, IACMA）, 并将其应用于不均衡数据分类. 数值实验采用基准数据库中3种典型的不均衡数据, 结果表明, 改进后的算法能有效提取少数类, 提高了不均衡数据整体分类效果.

关键词: 不均衡数据分类；蚁群分类算法；蚁群挖掘算法；数据挖掘；规则提取

Abstract:

Based on the quality function and pruning method of ant colony mining algorithm (ACMA), an improved ant colony mining algorithm (IACMA)
was proposed and applied to unbalanced data classification. Three datasets from the typical benchmark database were used for the numerical experiment. The simulation results show that the IACMA can better process the minor categories, and improve the overall classification accuracy.

Key words: unbalanced data classification, AntMiner, ant colony mining algorithm, data mining, rule extraction

中图分类号:

TP18

徐淑坦, 王朝勇, 孙延风. 一种不均衡数据的改进蚁群分类算法[J]. J4, 2011, 49(04): 733-739.

XU Chu-Tan, WANG Chao-Yong, SUN Yan-Feng. An Improved AntMiner Algorithm for Unbalanced Data[J]. J4, 2011, 49(04): 733-739.

[1]	王立君, 富倩. 一种凹形区域和简单宽边界区域间的拓扑关系表示模型[J]. J4, 2013, 51(03): 487-490.
[2]	王涛, 王瑞芹, 李占山, 陈超. 基于分割的超树分解方法[J]. J4, 2013, 51(02): 257-266.
[3]	王雁苓, 孙利, 郭新辰, 吕学实. 应用字典数据建模[J]. J4, 2013, 51(02): 273-278.
[4]	李健, 欧阳继红, 王国伟, 陈岗. 一个带单洞区域和一个简单区域间的拓扑关系表示[J]. J4, 2012, 50(06): 1209-1213.
[5]	郭新辰, 张超, 李成龙. 直觉模糊最小二乘支持向量机[J]. J4, 2012, 50(05): 993-997.
[6]	吴晓洲, 万里明, 韩霄松, 梁艳春, 吴春国. 基于隐马尔可夫模型的转录因子文本挖掘算法[J]. J4, 2012, 50(02): 320-322.
[7]	孙凤芳, 朱晓冬, 刘元宁, 张晓旭, 张巍, 李为韬, 李鑫. 一种Personality_OCC情感建模的新方法[J]. J4, 2012, 50(01): 106-110.
[8]	王海洋, 王江, 李红利, 陈颖源, 王延权. 基于Terminal滑模的HindmarshRose神经元放电同步控制[J]. J4, 2011, 49(06): 1087-1094.
[9]	钟毅, 刘桂霞, 郑明, 沈威, 赖丽娜, 周春光. 基于AP算法支持向量机的设计与应用[J]. J4, 2011, 49(05): 906-910.
[10]	任海军, 张晓星, 肖波, 周湶. 基于概念格的神经网络日最大负荷预测输入参数选择[J]. J4, 2011, 49(01): 87-93.
[11]	葛金辉. 有时间窗的车辆路径问题及改进[J]. J4, 2011, 49(01): 105-111.
[12]	杜会盈, 李占山, 李宏博, 沈海娇. 图分割在Singleton弧相容算法中的应用[J]. J4, 2010, 48(06): 981-986.
[13]	王彦全, 赵衍辉, 杨晓翠, 王海洋, 王江, 魏熙乐. 神经网络广义Backstepping预测控制[J]. J4, 2010, 48(05): 828-834.
[14]	孙丹, 万里明, 孙延风, 梁艳春. 一种改进的RBF神经网络混合学习算法[J]. J4, 2010, 48(05): 817-822.
[15]	何丽莉, 王克淼, 白洪涛, 胡成全. 基于CMP的多种并行蚁群算法及比较[J]. J4, 2010, 48(05): 787-792.