基于多种群量子进化的区间二型模糊规则挖掘算法

摘要：

利用智能优化算法挖掘模糊分类规则能够解决模糊前件参数和无关项的组合优化问题,但也存在依赖初始规则以及更新过程无指导等缺陷,导致分类精度难以保证.为此,本文以二型模糊规则分类系统为框架,采用模糊聚类得到代表性样本并启发式的产生初始规则,以量子等位基因形式对规则进行编码生成多初始种群,根据基因的优良性,以变尺度变异操作实现等位基因的指导性进化.在此基础上,利用矛盾规则重构机制,提高模糊规则分类系统的精度.将所提出算法与FH–GBML–IVFS–Amp算法和GAGRAD算法进行了分类精度对比,并在不同噪声水平下,与C4.5算法、朴素贝叶斯分类器和BP神经网络进行分类鲁棒性比较,实验结果表明所提出算法具有较好分类精度与鲁棒性.

关键词：基于模糊规则的分类系统、量子进化算法、多种群量子编码、变尺度变异、矛盾规则重构

所属期刊栏目：36

资助基金：国家自然科学基金项目61102124, 61603263;辽宁省自然科学基金项目2015020064;辽宁省教育厅项目LQGD2017035

在线出版日期：2019-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：32-42