Data mining involves nontrivial pro

Data mining involves nontrivial process of extracting knowledge or patterns from large databases. Many searching and optimization methods are used in data mining. In this paper we propose a Self-Adaptive Hybrid GA (SAHGA), where parameters of population size, crossover rate and mutation rate for each individual in each generation are adoptively fixed. Further, the crossover operator and mutation operator are decided dynamically. Finally, the tabu strategy is involved in the process of evolution. The three measures mentioned above help to maintain the diversity of the population and smooth over premature convergence . The effective performance of the algorithm is then shown using standard testbed functions and a set of classification datamining problems with UCI dataseis based on Weka Platform.

ผลลัพธ์ (ไทย) 1:

การทำเหมืองข้อมูลเกี่ยวข้องกับกระบวนการ nontrivial การสกัดความรู้หรือรูปแบบจากฐานข้อมูลขนาดใหญ่ ใช้หลายวิธีการค้นหาและเพิ่มประสิทธิภาพในการทำเหมืองข้อมูล ในเอกสารนี้ เราเสนอการ Self-Adaptive ไฮบริ GA (SAHGA), ซึ่งพารามิเตอร์ขนาดประชากร อัตราไขว้ และอัตราการกลายพันธุ์ในแต่ละบุคคลในแต่ละรุ่น adoptively อยู่คง เพิ่มเติม ตัวดำเนินการแบบไขว้และการกลายพันธุ์ตัวตัดสินใจแบบไดนามิก สุดท้าย กลยุทธ์ทาบูมีส่วนร่วมในกระบวนการวิวัฒนาการ 3 มาตรการดังกล่าวข้างต้นช่วยรักษาความหลากหลายของประชากร และราบเรียบไปบรรจบกันก่อนวัยอันควร ประสิทธิภาพของอัลกอริธึมจะแล้วแสดงการใช้ฟังก์ชันมาตรฐาน testbed และชุดของปัญหาประเภท datamining UCI dataseis ตามแพลตฟอร์ม Weka

ผลลัพธ์ (ไทย) 2:

การทำเหมืองข้อมูลเกี่ยวข้องกับกระบวนการขับเคลื่อนในการสกัดความรู้หรือรูปแบบจากฐานข้อมูลขนาดใหญ่ การค้นหาและการเพิ่มประสิทธิภาพหลายวิธีที่ใช้ในการทำเหมืองข้อมูล ในบทความนี้เรานำเสนอตัวเองปรับตัวไฮบริด GA (SAHGA) ซึ่งพารามิเตอร์ของขนาดประชากรอัตราการครอสโอเวอร์และอัตราการกลายพันธุ์สำหรับแต่ละบุคคลในแต่ละรุ่นจะได้รับการแก้ไข adoptively นอกจากนี้ผู้ประกอบการภูมิภาคและผู้ประกอบการกลายพันธุ์จะตัดสินใจแบบไดนามิก สุดท้ายกลยุทธ์ห้ามมีส่วนร่วมในกระบวนการของการวิวัฒนาการ สามมาตรการดังกล่าวข้างต้นความช่วยเหลือในการรักษาความหลากหลายของประชากรและเรียบกว่าการบรรจบกันก่อนเวลาอันควร ผลการดำเนินงานที่มีประสิทธิภาพของขั้นตอนวิธีการที่จะแสดงแล้วใช้ฟังก์ชั่น testbed มาตรฐานและชุดของปัญหาการจัดหมวดหมู่ datamining ด้วย dataseis UCI ตาม Weka แพลตฟอร์ม

ผลลัพธ์ (ไทย) 3:

ประมวลผลของการสกัดความรู้หรือรูปแบบจากฐานข้อมูลขนาดใหญ่ หลายค้นหาและวิธีการเพิ่มประสิทธิภาพใช้ในการทำเหมืองข้อมูล ในกระดาษนี้เราเสนอตนเอง Adaptive Hybrid GA ( sahga ) ซึ่งค่าของขนาดประชากร และอัตราการอัตราการแต่ละคน ในแต่ละรุ่นจะ adoptively ถาวร เพิ่มเติมไขว้ผู้ประกอบการและการกลายพันธุ์ผู้ประกอบการจะตัดสินใจแบบไดนามิก ในที่สุด , กลยุทธ์ที่ดีที่มีส่วนร่วมในกระบวนการของวิวัฒนาการ สาม มาตรการดังกล่าวช่วยรักษาความหลากหลายของประชากรและราบรื่นกว่าการบรรจบกันก่อน .การปฏิบัติงานที่มีประสิทธิภาพของขั้นตอนวิธีแล้วจะแสดงการใช้ฟังก์ชันมาตรฐาน Name = ทดสอบ Comment และชุดของประเภทดาต้าไมน์นิ่ง ปัญหา กับ dataseis UCI ตามเวก้าฟอร์ม