一种基于蜂群算法的数据库知识发现过程的研究

2014-10-22 12:26黎华
关键词:收敛性数据库

黎华

摘要针对数据库知识发现系统,提出一种基于蜂群算法的数据库知识发现系统.通过蜂群算法的数据库发现系统模型的构建,根据蜂群算法基本原理进行优化调度,最后研究对比不同参数下知识库调度结果.

关键词蜂群算法;数据库;CRISP-DM模型;收敛性;迭代次数

中图分类号TP311~131文献标识码A文章编号1000-2537(2014)02-0062-05

数据挖掘(data mining)是当前数据库研究领域一个的重要方向.数据挖掘主要是指利用各种分析方法和技术,对以往累积的大量复杂的数据进行分析、归纳和整合,从而在大量数据中发掘出有用的信息,为相应的决策提供依据.

所以借助数据挖掘技术,企业完全有能力从浩瀚的数据海洋中,挖掘出全面而又有价值的信息和知识,并作为决策支持之用,进而形成企业独有的竞争优势.

6结论

在CRTSP-DM模型的基础上,本文提出一种基于蜂群算法的知识库发现系统模型,将蜂群算法同CRTSP-DM模型有机地结合起来,运用Matlab软件,进行仿真实验,并同文献中的算法进行了对比,主要研究结果如下:(1)根据仿真结果,蜂群算法的准确率达到98~1%,效果很好.(2)同文献中的算法进行对比,主要从训练准确率、测试准确率和运行时间3个方面进行验证.从图5中可以看出,蜂群算法的准确率达到100%,而文献中的算法的准确率只达到93~333 3%.从图6中可以看出,蜂群算法的准确率普遍高于文献算法的准确率.由图7可见,蜂群算法的运行时间也优于文献算法.

最后,调整蜂群算法的不同参数,对比了不同参数对蜂群算法知识库发现系统寻优结果的影响.

参考文献:

[1]王兴伟,邹荣珠,黄敏.一种基于蜂群算法的ABC支持型QoS组播路由机制[J].计算机科学, 2009(6):47-52.

[2]袁浩.基于改进蜂群算法无线传感器感知节点部署优化[J].计算机应用研究, 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]丁海军,冯庆娴.基于boltzmann选择策略的人工蜂群算法[J].计算机工程与应用, 2009,45(1):53-55.

[5]暴励,曾建潮.一种双种群差分蜂群算法[J].控制理论与应用, 2011,28(2):267-272.

[6]胡中华,赵敏.基于人工蜂群算法的机器人路径规划[J].电焊机, 2009,26(1):93-96.

[7]康飞,李俊杰,许青.改进人工蜂群算法及其在反演分析中的应用 [J].水电能源科学, 2009,27(1):126-129.

[8]暴励,曾建潮.自适应搜索空间的混沌蜂群算法[J].计算机应用研究, 2010,26(4):1331-1334.

(编辑陈笑梅)

摘要针对数据库知识发现系统,提出一种基于蜂群算法的数据库知识发现系统.通过蜂群算法的数据库发现系统模型的构建,根据蜂群算法基本原理进行优化调度,最后研究对比不同参数下知识库调度结果.

关键词蜂群算法;数据库;CRISP-DM模型;收敛性;迭代次数

中图分类号TP311~131文献标识码A文章编号1000-2537(2014)02-0062-05

数据挖掘(data mining)是当前数据库研究领域一个的重要方向.数据挖掘主要是指利用各种分析方法和技术,对以往累积的大量复杂的数据进行分析、归纳和整合,从而在大量数据中发掘出有用的信息,为相应的决策提供依据.

所以借助数据挖掘技术,企业完全有能力从浩瀚的数据海洋中,挖掘出全面而又有价值的信息和知识,并作为决策支持之用,进而形成企业独有的竞争优势.

6结论

在CRTSP-DM模型的基础上,本文提出一种基于蜂群算法的知识库发现系统模型,将蜂群算法同CRTSP-DM模型有机地结合起来,运用Matlab软件,进行仿真实验,并同文献中的算法进行了对比,主要研究结果如下:(1)根据仿真结果,蜂群算法的准确率达到98~1%,效果很好.(2)同文献中的算法进行对比,主要从训练准确率、测试准确率和运行时间3个方面进行验证.从图5中可以看出,蜂群算法的准确率达到100%,而文献中的算法的准确率只达到93~333 3%.从图6中可以看出,蜂群算法的准确率普遍高于文献算法的准确率.由图7可见,蜂群算法的运行时间也优于文献算法.

最后,调整蜂群算法的不同参数,对比了不同参数对蜂群算法知识库发现系统寻优结果的影响.

参考文献:

[1]王兴伟,邹荣珠,黄敏.一种基于蜂群算法的ABC支持型QoS组播路由机制[J].计算机科学, 2009(6):47-52.

[2]袁浩.基于改进蜂群算法无线传感器感知节点部署优化[J].计算机应用研究, 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]丁海军,冯庆娴.基于boltzmann选择策略的人工蜂群算法[J].计算机工程与应用, 2009,45(1):53-55.

[5]暴励,曾建潮.一种双种群差分蜂群算法[J].控制理论与应用, 2011,28(2):267-272.

[6]胡中华,赵敏.基于人工蜂群算法的机器人路径规划[J].电焊机, 2009,26(1):93-96.

[7]康飞,李俊杰,许青.改进人工蜂群算法及其在反演分析中的应用 [J].水电能源科学, 2009,27(1):126-129.

[8]暴励,曾建潮.自适应搜索空间的混沌蜂群算法[J].计算机应用研究, 2010,26(4):1331-1334.

(编辑陈笑梅)

摘要针对数据库知识发现系统,提出一种基于蜂群算法的数据库知识发现系统.通过蜂群算法的数据库发现系统模型的构建,根据蜂群算法基本原理进行优化调度,最后研究对比不同参数下知识库调度结果.

关键词蜂群算法;数据库;CRISP-DM模型;收敛性;迭代次数

中图分类号TP311~131文献标识码A文章编号1000-2537(2014)02-0062-05

数据挖掘(data mining)是当前数据库研究领域一个的重要方向.数据挖掘主要是指利用各种分析方法和技术,对以往累积的大量复杂的数据进行分析、归纳和整合,从而在大量数据中发掘出有用的信息,为相应的决策提供依据.

所以借助数据挖掘技术,企业完全有能力从浩瀚的数据海洋中,挖掘出全面而又有价值的信息和知识,并作为决策支持之用,进而形成企业独有的竞争优势.

6结论

在CRTSP-DM模型的基础上,本文提出一种基于蜂群算法的知识库发现系统模型,将蜂群算法同CRTSP-DM模型有机地结合起来,运用Matlab软件,进行仿真实验,并同文献中的算法进行了对比,主要研究结果如下:(1)根据仿真结果,蜂群算法的准确率达到98~1%,效果很好.(2)同文献中的算法进行对比,主要从训练准确率、测试准确率和运行时间3个方面进行验证.从图5中可以看出,蜂群算法的准确率达到100%,而文献中的算法的准确率只达到93~333 3%.从图6中可以看出,蜂群算法的准确率普遍高于文献算法的准确率.由图7可见,蜂群算法的运行时间也优于文献算法.

最后,调整蜂群算法的不同参数,对比了不同参数对蜂群算法知识库发现系统寻优结果的影响.

参考文献:

[1]王兴伟,邹荣珠,黄敏.一种基于蜂群算法的ABC支持型QoS组播路由机制[J].计算机科学, 2009(6):47-52.

[2]袁浩.基于改进蜂群算法无线传感器感知节点部署优化[J].计算机应用研究, 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]丁海军,冯庆娴.基于boltzmann选择策略的人工蜂群算法[J].计算机工程与应用, 2009,45(1):53-55.

[5]暴励,曾建潮.一种双种群差分蜂群算法[J].控制理论与应用, 2011,28(2):267-272.

[6]胡中华,赵敏.基于人工蜂群算法的机器人路径规划[J].电焊机, 2009,26(1):93-96.

[7]康飞,李俊杰,许青.改进人工蜂群算法及其在反演分析中的应用 [J].水电能源科学, 2009,27(1):126-129.

[8]暴励,曾建潮.自适应搜索空间的混沌蜂群算法[J].计算机应用研究, 2010,26(4):1331-1334.

(编辑陈笑梅)

猜你喜欢
收敛性数据库
林业劳动生产率的区域差异及收敛性研究
数据库
数据库
谱方法的理论简介
西部地区金融发展水平的收敛性分析
我国省域经济空间收敛性研究
数据库
数据库
数据库
情绪波动、信息消费发散与福利分化效应