黎 華

(西昌學院電子工程系，中國四川 615000)

數(shù)據(jù)挖掘(data mining)是當前數(shù)據(jù)庫研究領(lǐng)域一個的重要方向.數(shù)據(jù)挖掘主要是指利用各種分析方法和技術(shù)，對以往累積的大量復雜的數(shù)據(jù)進行分析、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值的信息和知識，并作為決策支持之用，進而形成企業(yè)獨有的競爭優(yōu)勢.

1 CRISP-DM模型

CRISP-DM模型是由歐盟幾家在數(shù)據(jù)挖掘應用上有豐富經(jīng)驗的公司共同籌劃提出來的，CRISP-DM模型主要強調(diào)完整的數(shù)據(jù)挖掘過程，不是只針對數(shù)據(jù)整理、數(shù)據(jù)顯示、數(shù)據(jù)分析和模型的構(gòu)建，而是將對企業(yè)的需求問題的理解和后期對模型的評價和模型的延伸應用都應用于數(shù)據(jù)挖掘中［1-2］.

圖1 CRISP-DM模型Fig.1 CRISP-DM model

因此，CRISP-DM模型強調(diào)實施數(shù)據(jù)挖掘項目的方法和步驟，同時該模型獨立于每種具體數(shù)據(jù)挖掘算法和數(shù)據(jù)挖掘系統(tǒng)之外.

2 蜂群算法

2.1 基本原理

自然界中，蜂群實現(xiàn)采蜜的集體智能行為主要包括3個主要部分，分別為蜜源、采蜜蜂EF、待工蜂UF.另外，在此基礎(chǔ)上又引入3種行為模式，分別為搜索蜜源、為蜜源招募以及放棄蜜源［3-4］.

蜂群采蜜的流程圖如圖2所示.

假設(shè)目前有2個已經(jīng)被發(fā)現(xiàn)的食物源A和B，起初，待工蜂沒有獲得任何食物源的信息，那么它有兩個可能的選擇:

(1)待工蜂作為偵察蜂，由于外在因素或激勵因素的存在，其會自動搜尋蜂巢附近的食物源(圖中‘S’線).

(2)當待工蜂發(fā)現(xiàn)其他蜜蜂之后，其被招募，按照自身獲取的信息搜尋食物源(圖中‘R’線).

當待工蜂找到新的食物源的時候，蜜蜂可以記住并獲取食物源所在的位置，與此同時實現(xiàn)采蜜工作.

因此，這時待工蜂成為采蜜蜂，等到蜜蜂采蜜回到蜂箱，此時將采到的蜜吐到空的蜂房之后，其有下面幾個選擇:

a)拋棄食物源，變成待工蜂的跟隨蜂;

b)返回同一食物源之前，通過跳搖擺舞實現(xiàn)蜂群的招募;

c)繼續(xù)采蜜，不招募其他蜂群.

初始時，所有蜜蜂都是偵察蜂，等到它們隨機搜索到食物源后，偵察蜂重新回到蜂巢的舞蹈區(qū).依據(jù)食物源的收益度的大小，偵察蜂可以變成任何一種蜜蜂.

圖2 蜜蜂采蜜工作圖Fig.2 Working drawing of honey bees

圖3 蜂群算法流程圖Fig.3 Flowchart of bee colony algorithm

2.2 要素組成

依據(jù)蜂群算法的原理介紹，蜂群算法主要有以下3個基本要素構(gòu)成:

(1)食物源.食物源表示各種可能的解;食物源值由多種因素決定的，比如食物源和蜂巢的距離、能量的大小和集中程度等.

(2)采蜜蜂EF.采蜜蜂是和食物源有聯(lián)系的，采蜜蜂擁有采集到的具體的食物源信息，信息主要有食物源和蜂巢的距離、食物源方向以及食物源的收益度;

(3)待工蜂UF.待采蜜蜂尋找食物源，主要分為偵察蜂和跟隨蜂;偵察蜂負責找尋蜂巢附近的新食物源;而跟隨蜂在蜂巢內(nèi)等待，通過分享到的采蜜蜂的信息，實現(xiàn)食物源的尋找［4］.

算法流程如圖3所示.

3 基于蜂群算法的數(shù)據(jù)庫知識發(fā)現(xiàn)模型

參考CRISP-DM模型和數(shù)據(jù)庫知識發(fā)現(xiàn)的多處理階段模型［5］，本文提出將信任分配學習機制和基于蜂群算法的規(guī)則發(fā)現(xiàn)機制有機地結(jié)合在一起的基于蜂群算法的數(shù)據(jù)庫知識發(fā)現(xiàn)系統(tǒng)模型，其特點是系統(tǒng)采用概率轉(zhuǎn)換規(guī)則，使用并行的規(guī)則觸發(fā)機制，是一種自適應的學習系統(tǒng).

基于蜂群算法的數(shù)據(jù)庫知識發(fā)現(xiàn)模型基本結(jié)構(gòu)如圖4所示.

圖4 基于蜂群算法的數(shù)據(jù)庫發(fā)現(xiàn)模型Fig.4 Model of database discovery based on bee colony algorithm

客觀數(shù)據(jù)庫環(huán)境信息通過數(shù)據(jù)處理器將完整的數(shù)據(jù)信息發(fā)往模式生成器，模式生成器根據(jù)指定的數(shù)據(jù)挖掘任務(wù)，從數(shù)據(jù)信息中提取相關(guān)的模式并將這些模式劃分為訓練數(shù)據(jù)集以及測試數(shù)據(jù)集［6］.被觸發(fā)的知識生成器通過設(shè)計的蜂群算法與訓練集交互的學習，將滿意的學習結(jié)果提供給測試集，測試集將評測結(jié)果交給解釋評價價機構(gòu)，通過解釋/評價機構(gòu)將知識提交給用戶并作用于數(shù)據(jù)庫環(huán)境，同時更具評測結(jié)果和用戶需求，修改信任分配算法，以希望下次能得到更好的結(jié)果［7］.

4 仿真實驗

數(shù)據(jù)挖掘算法的任務(wù)是對海量數(shù)據(jù)庫進行挖掘，對于只有如此少的記錄數(shù)據(jù)庫的效果不能說明問題.作者又選擇了機器學習研究通常使用的Cleve心臟病例比較實驗數(shù)據(jù)庫進較實驗.訓練數(shù)據(jù)為200個，測試數(shù)據(jù)為103個.

4.1 Cleve原始數(shù)據(jù)的處理

(1)C leve原始數(shù)據(jù)含有部分數(shù)據(jù)屬性值的缺失，首先補足缺失數(shù)據(jù).

(2)對于 Age，Trestbps，Cholesterol，F(xiàn)asting blood sugar，Max heart rate，Old peak 和 Number of vessels colored的連續(xù)屬性進行離散化為:

Age:＞47.5;＜47.5 兩類

Trestbps，Cholestrol對其劃分的邊界計算信息嫡，其信息消值都不足以對分類進行有效劃分，因此這兩個屬性對分類的劃分不起任何作用，因而從屬性列表中刪去.

Fasting blood sugar:＞120;＜120兩類;

Max heart rate:＞ 147.5;＜ 147.5 兩類;

Old peak:＞ 1.7;＜ 1.7 兩類 ;

Number of vessels colored:＞ 0.5;＜ 0.5兩類:

由于離散屬性的屬性值均較少(2～4個)，無需對其縮減.

圖5 測試結(jié)果對比Fig.5 Comparsion chart of test results

4.2 實驗結(jié)果

為了進一步驗證蜂群算法進行數(shù)據(jù)庫知識發(fā)現(xiàn)的優(yōu)越性和準確性，將其同文獻［8］算法進行對比，主要從訓練準確率、測試準確率和運行時間3個方面進行驗證，運用仿真進行仿真，仿真結(jié)果分別如圖5～圖7.

從圖5中可以看出，蜂群算法的準確率達到100%，而文獻中的算法的準確率只達到93.333 3%.從圖6中可以看出，蜂群算法的準確率普遍高于文獻算法的準確率.從圖7中可以看出，蜂群算法的運行時間也優(yōu)于文獻算法.

通過算例的測試，發(fā)現(xiàn)蜂群算法有很好的尋優(yōu)能力，求解速度也快.下面重點研究蜂群算法的不用參數(shù)對尋優(yōu)結(jié)果的影響.

圖6 測試結(jié)果正確率對比圖Fig.6 Comparison chart of correct rate of testing result

圖7 算法時間對比圖Fig.7 Comparison chart of algorithm time

5 不同種群大小對蜂群算法性能的影響

5.1 不同種群大小對收斂性的影響

分別分析種群數(shù)為15，30，45時，種群大小對蜂群算法性能的影響.

通過圖8(a)、(b)、(c)3圖的對比，發(fā)現(xiàn)種群越大，蜂群算法收斂性越快，更容易逼近最優(yōu)值.

5.2 不同迭代次數(shù)對蜂群算法性能的影響

分析迭代次數(shù)為100，200，300時，迭代次數(shù)對GA算法性能的影響.

通過圖9(a)、(b)、(c)3圖的對比發(fā)現(xiàn)，隨著迭代次數(shù)的增加，蜂群算法求解問題的收斂性不斷增加，能更快地逼近最優(yōu)值.

圖8 蜂群大小對收斂結(jié)果的影響Fig.8 Colony size effects on convergence results

圖9 不同迭代次數(shù)對結(jié)果的影響Fig.9 Different iterations effects on results

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庫發(fā)現(xiàn)系統(tǒng)模型，將蜂群算法同CRTSP-DM模型有機地結(jié)合起來，運用Matlab軟件，進行仿真實驗，并同文獻中的算法進行了對比，主要研究結(jié)果如下:(1)根據(jù)仿真結(jié)果，蜂群算法的準確率達到98.1%，效果很好.(2)同文獻中的算法進行對比，主要從訓練準確率、測試準確率和運行時間3個方面進行驗證.從圖5中可以看出，蜂群算法的準確率達到100%，而文獻中的算法的準確率只達到93.333 3%.從圖6中可以看出，蜂群算法的準確率普遍高于文獻算法的準確率.由圖7可見，蜂群算法的運行時間也優(yōu)于文獻算法.

最后，調(diào)整蜂群算法的不同參數(shù)，對比了不同參數(shù)對蜂群算法知識庫發(fā)現(xiàn)系統(tǒng)尋優(yōu)結(jié)果的影響.

［1］王興偉，鄒榮珠，黃 敏.一種基于蜂群算法的ABC支持型QoS組播路由機制［J］.計算機科學，2009(6):47-52.

［2］袁 浩.基于改進蜂群算法無線傳感器感知節(jié)點部署優(yōu)化［J］.計算機應用研究，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］.計算機工程與應用，2009，45(1):53-55.

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

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

［7］康 飛，李俊杰，許 青.改進人工蜂群算法及其在反演分析中的應用［J］.水電能源科學，2009，27(1):126-129.

［8］暴 勵，曾建潮.自適應搜索空間的混沌蜂群算法［J］.計算機應用研究，2010，26(4):1331-1334.