论文部分内容阅读
将分类学习看作是一个找出最优分类规则的优化问题，提出一种自适应蚁群分类算法——AdaptiveL—AMP，以得到一组可理解的分类规则．在基于规则的分类方法中，规则评价函数的选取至关重要，本文提出的算法能够针对不同数据集自动选取与之相适应的规则评价函数以提高分类准确性．此外，为进一步提高算法的分类准确率，设计了一种局部搜索策略并将其融入到AdaptiveL—AMP算法中．最后对算法进行了分析，并在多个公用的真实数据集上与相关算法进行了比较，结果表明AdaptiveL—AMP算法能够更加有效地解决分类问题．