一種基于蜂群算法的數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)過(guò)程的研究

黎華

摘要針對(duì)數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)系統(tǒng)，提出一種基于蜂群算法的數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)系統(tǒng).通過(guò)蜂群算法的數(shù)據(jù)庫(kù)發(fā)現(xiàn)系統(tǒng)模型的構(gòu)建，根據(jù)蜂群算法基本原理進(jìn)行優(yōu)化調(diào)度，最后研究對(duì)比不同參數(shù)下知識(shí)庫(kù)調(diào)度結(jié)果.

關(guān)鍵詞蜂群算法；數(shù)據(jù)庫(kù)；CRISP-DM模型；收斂性；迭代次數(shù)

中圖分類(lèi)號(hào)TP311～131文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1000-2537（2014）02-0062-05

數(shù)據(jù)挖掘（data mining）是當(dāng)前數(shù)據(jù)庫(kù)研究領(lǐng)域一個(gè)的重要方向.數(shù)據(jù)挖掘主要是指利用各種分析方法和技術(shù)，對(duì)以往累積的大量復(fù)雜的數(shù)據(jù)進(jìn)行分析、歸納和整合，從而在大量數(shù)據(jù)中發(fā)掘出有用的信息，為相應(yīng)的決策提供依據(jù).

所以借助數(shù)據(jù)挖掘技術(shù)，企業(yè)完全有能力從浩瀚的數(shù)據(jù)海洋中，挖掘出全面而又有價(jià)值的信息和知識(shí)，并作為決策支持之用，進(jìn)而形成企業(yè)獨(dú)有的競(jìng)爭(zhēng)優(yōu)勢(shì).

6結(jié)論

在CRTSP-DM模型的基礎(chǔ)上，本文提出一種基于蜂群算法的知識(shí)庫(kù)發(fā)現(xiàn)系統(tǒng)模型，將蜂群算法同CRTSP-DM模型有機(jī)地結(jié)合起來(lái)，運(yùn)用Matlab軟件，進(jìn)行仿真實(shí)驗(yàn)，并同文獻(xiàn)中的算法進(jìn)行了對(duì)比，主要研究結(jié)果如下：（1）根據(jù)仿真結(jié)果，蜂群算法的準(zhǔn)確率達(dá)到98～1%，效果很好.（2）同文獻(xiàn)中的算法進(jìn)行對(duì)比，主要從訓(xùn)練準(zhǔn)確率、測(cè)試準(zhǔn)確率和運(yùn)行時(shí)間3個(gè)方面進(jìn)行驗(yàn)證.從圖5中可以看出，蜂群算法的準(zhǔn)確率達(dá)到100%，而文獻(xiàn)中的算法的準(zhǔn)確率只達(dá)到93～333 3%.從圖6中可以看出，蜂群算法的準(zhǔn)確率普遍高于文獻(xiàn)算法的準(zhǔn)確率.由圖7可見(jiàn)，蜂群算法的運(yùn)行時(shí)間也優(yōu)于文獻(xiàn)算法.

最后，調(diào)整蜂群算法的不同參數(shù)，對(duì)比了不同參數(shù)對(duì)蜂群算法知識(shí)庫(kù)發(fā)現(xiàn)系統(tǒng)尋優(yōu)結(jié)果的影響.

參考文獻(xiàn)：

[1]王興偉，鄒榮珠，黃敏.一種基于蜂群算法的ABC支持型QoS組播路由機(jī)制[J].計(jì)算機(jī)科學(xué)， 2009（6）：47-52.

[2]袁浩.基于改進(jìn)蜂群算法無(wú)線傳感器感知節(jié)點(diǎn)部署優(yōu)化[J].計(jì)算機(jī)應(yīng)用研究， 2010，26（7）：2704-2708.

[3]KARABOGA D， OKDEM S， OZTURK C. Cluster based wireless sensor network routings using artificial bee colony algorithm[J].J Wireless Networks， 2012，18（7）：847-860.

[4]丁海軍，馮慶嫻.基于boltzmann選擇策略的人工蜂群算法[J].計(jì)算機(jī)工程與應(yīng)用， 2009，45（1）：53-55.

[5]暴勵(lì)，曾建潮.一種雙種群差分蜂群算法[J].控制理論與應(yīng)用， 2011，28（2）：267-272.

[6]胡中華，趙敏.基于人工蜂群算法的機(jī)器人路徑規(guī)劃[J].電焊機(jī)， 2009，26（1）：93-96.

[7]康飛，李俊杰，許青.改進(jìn)人工蜂群算法及其在反演分析中的應(yīng)用 [J].水電能源科學(xué)， 2009，27（1）：126-129.

[8]暴勵(lì)，曾建潮.自適應(yīng)搜索空間的混沌蜂群算法[J].計(jì)算機(jī)應(yīng)用研究， 2010，26（4）：1331-1334.

（編輯陳笑梅）

摘要針對(duì)數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)系統(tǒng)，提出一種基于蜂群算法的數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)系統(tǒng).通過(guò)蜂群算法的數(shù)據(jù)庫(kù)發(fā)現(xiàn)系統(tǒng)模型的構(gòu)建，根據(jù)蜂群算法基本原理進(jìn)行優(yōu)化調(diào)度，最后研究對(duì)比不同參數(shù)下知識(shí)庫(kù)調(diào)度結(jié)果.

關(guān)鍵詞蜂群算法；數(shù)據(jù)庫(kù)；CRISP-DM模型；收斂性；迭代次數(shù)

中圖分類(lèi)號(hào)TP311～131文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1000-2537（2014）02-0062-05

數(shù)據(jù)挖掘（data mining）是當(dāng)前數(shù)據(jù)庫(kù)研究領(lǐng)域一個(gè)的重要方向.數(shù)據(jù)挖掘主要是指利用各種分析方法和技術(shù)，對(duì)以往累積的大量復(fù)雜的數(shù)據(jù)進(jìn)行分析、歸納和整合，從而在大量數(shù)據(jù)中發(fā)掘出有用的信息，為相應(yīng)的決策提供依據(jù).

所以借助數(shù)據(jù)挖掘技術(shù)，企業(yè)完全有能力從浩瀚的數(shù)據(jù)海洋中，挖掘出全面而又有價(jià)值的信息和知識(shí)，并作為決策支持之用，進(jìn)而形成企業(yè)獨(dú)有的競(jìng)爭(zhēng)優(yōu)勢(shì).

6結(jié)論

在CRTSP-DM模型的基礎(chǔ)上，本文提出一種基于蜂群算法的知識(shí)庫(kù)發(fā)現(xiàn)系統(tǒng)模型，將蜂群算法同CRTSP-DM模型有機(jī)地結(jié)合起來(lái)，運(yùn)用Matlab軟件，進(jìn)行仿真實(shí)驗(yàn)，并同文獻(xiàn)中的算法進(jìn)行了對(duì)比，主要研究結(jié)果如下：（1）根據(jù)仿真結(jié)果，蜂群算法的準(zhǔn)確率達(dá)到98～1%，效果很好.（2）同文獻(xiàn)中的算法進(jìn)行對(duì)比，主要從訓(xùn)練準(zhǔn)確率、測(cè)試準(zhǔn)確率和運(yùn)行時(shí)間3個(gè)方面進(jìn)行驗(yàn)證.從圖5中可以看出，蜂群算法的準(zhǔn)確率達(dá)到100%，而文獻(xiàn)中的算法的準(zhǔn)確率只達(dá)到93～333 3%.從圖6中可以看出，蜂群算法的準(zhǔn)確率普遍高于文獻(xiàn)算法的準(zhǔn)確率.由圖7可見(jiàn)，蜂群算法的運(yùn)行時(shí)間也優(yōu)于文獻(xiàn)算法.

最后，調(diào)整蜂群算法的不同參數(shù)，對(duì)比了不同參數(shù)對(duì)蜂群算法知識(shí)庫(kù)發(fā)現(xiàn)系統(tǒng)尋優(yōu)結(jié)果的影響.

參考文獻(xiàn)：

[1]王興偉，鄒榮珠，黃敏.一種基于蜂群算法的ABC支持型QoS組播路由機(jī)制[J].計(jì)算機(jī)科學(xué)， 2009（6）：47-52.

[2]袁浩.基于改進(jìn)蜂群算法無(wú)線傳感器感知節(jié)點(diǎn)部署優(yōu)化[J].計(jì)算機(jī)應(yīng)用研究， 2010，26（7）：2704-2708.

[3]KARABOGA D， OKDEM S， OZTURK C. Cluster based wireless sensor network routings using artificial bee colony algorithm[J].J Wireless Networks， 2012，18（7）：847-860.

[4]丁海軍，馮慶嫻.基于boltzmann選擇策略的人工蜂群算法[J].計(jì)算機(jī)工程與應(yīng)用， 2009，45（1）：53-55.

[5]暴勵(lì)，曾建潮.一種雙種群差分蜂群算法[J].控制理論與應(yīng)用， 2011，28（2）：267-272.

[6]胡中華，趙敏.基于人工蜂群算法的機(jī)器人路徑規(guī)劃[J].電焊機(jī)， 2009，26（1）：93-96.

[7]康飛，李俊杰，許青.改進(jìn)人工蜂群算法及其在反演分析中的應(yīng)用 [J].水電能源科學(xué)， 2009，27（1）：126-129.

[8]暴勵(lì)，曾建潮.自適應(yīng)搜索空間的混沌蜂群算法[J].計(jì)算機(jī)應(yīng)用研究， 2010，26（4）：1331-1334.

（編輯陳笑梅）

摘要針對(duì)數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)系統(tǒng)，提出一種基于蜂群算法的數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)系統(tǒng).通過(guò)蜂群算法的數(shù)據(jù)庫(kù)發(fā)現(xiàn)系統(tǒng)模型的構(gòu)建，根據(jù)蜂群算法基本原理進(jìn)行優(yōu)化調(diào)度，最后研究對(duì)比不同參數(shù)下知識(shí)庫(kù)調(diào)度結(jié)果.

關(guān)鍵詞蜂群算法；數(shù)據(jù)庫(kù)；CRISP-DM模型；收斂性；迭代次數(shù)

中圖分類(lèi)號(hào)TP311～131文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1000-2537（2014）02-0062-05

數(shù)據(jù)挖掘（data mining）是當(dāng)前數(shù)據(jù)庫(kù)研究領(lǐng)域一個(gè)的重要方向.數(shù)據(jù)挖掘主要是指利用各種分析方法和技術(shù)，對(duì)以往累積的大量復(fù)雜的數(shù)據(jù)進(jìn)行分析、歸納和整合，從而在大量數(shù)據(jù)中發(fā)掘出有用的信息，為相應(yīng)的決策提供依據(jù).

所以借助數(shù)據(jù)挖掘技術(shù)，企業(yè)完全有能力從浩瀚的數(shù)據(jù)海洋中，挖掘出全面而又有價(jià)值的信息和知識(shí)，并作為決策支持之用，進(jìn)而形成企業(yè)獨(dú)有的競(jìng)爭(zhēng)優(yōu)勢(shì).

6結(jié)論

在CRTSP-DM模型的基礎(chǔ)上，本文提出一種基于蜂群算法的知識(shí)庫(kù)發(fā)現(xiàn)系統(tǒng)模型，將蜂群算法同CRTSP-DM模型有機(jī)地結(jié)合起來(lái)，運(yùn)用Matlab軟件，進(jìn)行仿真實(shí)驗(yàn)，并同文獻(xiàn)中的算法進(jìn)行了對(duì)比，主要研究結(jié)果如下：（1）根據(jù)仿真結(jié)果，蜂群算法的準(zhǔn)確率達(dá)到98～1%，效果很好.（2）同文獻(xiàn)中的算法進(jìn)行對(duì)比，主要從訓(xùn)練準(zhǔn)確率、測(cè)試準(zhǔn)確率和運(yùn)行時(shí)間3個(gè)方面進(jìn)行驗(yàn)證.從圖5中可以看出，蜂群算法的準(zhǔn)確率達(dá)到100%，而文獻(xiàn)中的算法的準(zhǔn)確率只達(dá)到93～333 3%.從圖6中可以看出，蜂群算法的準(zhǔn)確率普遍高于文獻(xiàn)算法的準(zhǔn)確率.由圖7可見(jiàn)，蜂群算法的運(yùn)行時(shí)間也優(yōu)于文獻(xiàn)算法.

最后，調(diào)整蜂群算法的不同參數(shù)，對(duì)比了不同參數(shù)對(duì)蜂群算法知識(shí)庫(kù)發(fā)現(xiàn)系統(tǒng)尋優(yōu)結(jié)果的影響.

參考文獻(xiàn)：

[1]王興偉，鄒榮珠，黃敏.一種基于蜂群算法的ABC支持型QoS組播路由機(jī)制[J].計(jì)算機(jī)科學(xué)， 2009（6）：47-52.

[2]袁浩.基于改進(jìn)蜂群算法無(wú)線傳感器感知節(jié)點(diǎn)部署優(yōu)化[J].計(jì)算機(jī)應(yīng)用研究， 2010，26（7）：2704-2708.

[3]KARABOGA D， OKDEM S， OZTURK C. Cluster based wireless sensor network routings using artificial bee colony algorithm[J].J Wireless Networks， 2012，18（7）：847-860.

[4]丁海軍，馮慶嫻.基于boltzmann選擇策略的人工蜂群算法[J].計(jì)算機(jī)工程與應(yīng)用， 2009，45（1）：53-55.

[5]暴勵(lì)，曾建潮.一種雙種群差分蜂群算法[J].控制理論與應(yīng)用， 2011，28（2）：267-272.

[6]胡中華，趙敏.基于人工蜂群算法的機(jī)器人路徑規(guī)劃[J].電焊機(jī)， 2009，26（1）：93-96.

[7]康飛，李俊杰，許青.改進(jìn)人工蜂群算法及其在反演分析中的應(yīng)用 [J].水電能源科學(xué)， 2009，27（1）：126-129.

[8]暴勵(lì)，曾建潮.自適應(yīng)搜索空間的混沌蜂群算法[J].計(jì)算機(jī)應(yīng)用研究， 2010，26（4）：1331-1334.

（編輯陳笑梅）