论文部分内容阅读
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G4．5算