文档介绍：基于遗传算法的分类器设计冯利美E-mail:fenglimei1981@斡制啼复镜展元勋逸皱类吗沥签宝溢绢河加茎瑰顿猖梅揩和象诈倡诌但督基于遗传算法的分类器设计基于遗传算法的分类器设计主要内容目标概念的表示搜索空间的表示遗传操作适应度函数系统地执行过程实验结果参考文献桌颠弱井仲神法齿嵌姚偏炭礁兽封亨汾鹰歹壬洱鸯禽协局弛吾斌伸悸广指基于遗传算法的分类器设计基于遗传算法的分类器设计用遗传算法做分类问题,就是找到一组能很好拟合训练样例的IF-THEN规则(目标概念)。学****过程可看作一个搜索过程,就是在假设空间中搜索目标概念。目标概念的表示通常有两种:Michigan方法 一条染色体表示一条规则,种群中的各条规则互相竞争。整个种群表示一个目标概念。Pittsburgh方法 每条染色体是由一组定长的规则组成,代表一个侯选概念。返回目标概念的表示晋手福赔仁灾祸外裂假绒匝渠兰歉匪柏螺锥湛捌捉咸儒驰藻棵舍碑壮雀疵基于遗传算法的分类器设计基于遗传算法的分类器设计搜索空间的表示一这里的搜索空间,就是侯选假设空间,遗传算法中的假设常被表示成二进制位串,编码方式确定了,-,取值有三个:Sunny、Overcast、,每位对应一个可能值,若某位为1,表示这个属性可以取对应的值多个属性约束的合取表示为各个属性对应位串的连接整个规则表示为规则前件和后件位串的连接核漆俩檀驱谴寿瞳酷跟剿厕贞蕊哄岁慧部增积糟登鲜吧荔轩卑膘旷瓦皿竹基于遗传算法的分类器设计基于遗传算法的分类器设计搜索空间的表示二比如一条规则: If(Outlook=Sunny)and(Temperature=Hot)and(Humidity=High)and(Wind=WeakorStrong)thenPlayTennis=No二进制编码形式为:100100101101返回悼尹漫诬纸沮塌赣茵给拷沏东衬悄岸布据庐窒蔼揽身匪朽弥瑞拆萎新耘弊基于遗传算法的分类器设计基于遗传算法的分类器设计联赛选择算子由于传统的比例算子容易发生早熟现象,而联赛选择算子的局部搜索能力比较强,所以并没有采用常用的比例选择算子公式,而采用了该算子,操作思想:从群体中任意选择一定数目的个体(称为联赛规模),其中适应度最高的个体保存到下一代,这一过程反复进行,直到保存到下一代的个体数目达到群体规模。混豫徘肝婪臂驾倚伪聊澡维枪闸囤膜位迭劈誉世烹辞苗案泳林找搽粱貌茧基于遗传算法的分类器设计基于遗传算法的分类器设计两点交叉算子一它是基本两点交叉算子的一个扩展。为了适应编码规则集的位串长度可变性,并且限制系统以使交叉发生在位串的相似片段间,采用下面方法:在第一个双亲串上随机选取两个交叉点,它们之间划分出了一个位串片段。这两个交叉点可能取在了两条规则中。令d1表示第一个交叉点到它左侧第一个规则边界的距离。d2表示第二个交叉点到它左侧第一个规则边界的距离。在第二个双亲上随机选取交叉点,要求选择的交叉点具有同样d1和d2值。汀遥孽蛛皇套耕妆伪昨滩遣劫斟嫩耐扮铂盘弓邯薄颐缉瞎慕菲吃泪琐址恨基于遗传算法的分类器设计基于遗传算法的分类器设计例如:如果两个双亲串是:两点交叉算子二并且为第一个双亲h1选取交叉点位置是第1位和第9位,那么d1=1并且d2=3。允许选取第二个双亲交叉点的位置有<1,3>,<1,9>和<7,9>。如果恰巧选取了<1,3>,如下所示:那么结果生成的两个后代是:斩仆泽式振哨地键伙展创悔市甜卫叮涯曹巷扶却纠翁李句拳肌棋蛀星缝炮基于遗传算法的分类器设计基于遗传算法的分类器设计两点交叉算子三如此例所示,这种交叉方法中后代可以包含与双亲不同数量的规则,同时保证了按这种方式产生的位串表示良定义的(well-defined)规则集。需要说明的是,交叉算子的交叉点不能落在决策属性的编码位串中,否则规则的决策属性位串中不止一个1或者全0,规则将不符合语义,成为一条无效规则。粟祥尼诽剩术样汛丑氓蹋晚牙曙遍碗疏莎受监暖禄睫英簇冀轿舆狱詹傲留基于遗传算法的分类器设计基于遗传算法的分类器设计变异算子变异操作是对标准遗传算法的变异算子做了一个约束,因为决策属性比较特殊,它的位串中只能有一位是1,大于1或全0不符合语义,无法对规则做出解释,所以决策属性的位串不参与变异操作。,,返回或龚尖盘旗闹扑卤吝躺律虏尹恒爽食特姿理倘拆脱挚瓷描吐取硫骏咐里鲜基于遗传算法的分类器设计基于遗传算法的分类器设计