Khóa luận này đã trình bày thuật toán KohonAnts (hay còn gọi là KANTS), một phương pháp mới cho việc phân lớp dữ liệu, dựa trên sự kết hợp giữa các thuật toán kiến và bản đồ tự tổ chức của Kohonen. Mô hình này đưa các mẫu dữ liệu n-biến vào trong các con kiến nhân tạo trong lưới xuyến 2D với các vector n-chiều. Dữ liệu/kiến được di chuyển trên lưới để tạo ra sự khác biệt về mặt dữ liệu, từ đó các cụm được hình thành. Quá trình di chuyển của các con kiến dần dần sẽ tạo ra độ mịn của lưới. Khi lưới đủ ổn định, các con kiến có thể dừng và ta tiến hành gán nhãn cho các ô trên lưới.
Lưới sau khi đã gán nhãn giống như lưới SOM đã huấn luyện, là một công cụ để phân lớp tốt hơn rất nhiều các công cụ thông thường khác.
Khóa luận cũng đồng thời chỉ ra việc kết hợp KANTS với phương pháp học tập hợp cho kết quả rất khả quan.
Tuy nhiên hiệu quả của KANTS khi phân lớp các dữ liệu phức tạp, nhiều biến, nhiều lớp mặc dù tốt hơn KNN xong vẫn còn nhiều hạn chế. Việc chọn các hệ số thích hợp là khá khó khăn nhưng chắc chắn cho kết quả tốt hơn KNN.
Tham khảo:
1. KohonAnts: A Self-Organizing Ant Algorithm for Clustering and Pattern Classification: C. Fernandes1,2, A.M. Mora2, J.J. Merelo2, V. Ramos1,J.L.J. Laredo
2. KANTS: Artificial Ant System for classification: C. Fernandes1,2, A.M. Mora2, J.J. Merelo2, V. Ramos1,J.L.J. Laredo
3. Self-organizing maps: http://en.wikipedia.org/wiki/Self-organizing_map
4. Ensemble learning: http://en.wikipedia.org/wiki/Ensemble_learning
5. K-nearest neibourds algorithm: http://www.scholarpedia.org/article/K- nearest_neighbor
6. Ant Colony Optimization: http://en.wikipedia.org/wiki/Ant_colony_optimization
7. Theodoridis S., Koutroumbas K. Pattern Recognition.3rd.ed.(AP, 2006)
8. Artificial neural network: http://en.wikipedia.org/wiki/Artificial_neural_network
9. Swarn Chialvo, D.R., Millonas, M.M., “How Swarms build Cognitive Maps”