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）