智能算法在關聯規(guī)則挖掘上的應用研究.pdf

1、關聯規(guī)則挖掘主要是研究數據屬性之間的關聯關系，挖掘出的規(guī)則在企業(yè)決策、個性化推薦、產品設計上都有很高的價值。目前關聯規(guī)則挖掘領域使用最多的是Apriori算法和遺傳算法。但Apriori算法的不足是需要多次掃描事務數據庫與生成了大量的頻繁項目集;遺傳算法存在易陷入局部收斂，收斂速度慢的弊端。
　　本文針對傳統算法在關聯規(guī)則挖掘領域出現的弊端，結合國內外最新的文獻，研究工作主要包括以下內容:
　　論文首先介紹了數據挖掘的功能、

2、過程、方法、應用與研究熱點等內容。隨后闡述了關聯規(guī)則挖掘的基本步驟，通過一個具體實例和流程圖詳細介紹了經典Apriori算法的運行過程和存在的不足，在此基礎上歸納總結了一些關聯規(guī)則挖掘領域的優(yōu)化算法及其思想。
　　其次詳細闡述了遺傳算法的基本思想，介紹了基本處理流程和基本要素，繼而闡明了算法的參數設置方法，在此基礎上詳細闡述了遺傳算法用于關聯規(guī)則挖掘的可行性與具體步驟。
　　第三是認真學習了人工智能中前沿理論——帝國主義競爭

3、算法(Imperialistcompetitivealgorithm，ICA)的思想，國內外的應用情況與運行流程。國內外的文獻及實驗都證明了該算法可以很快收斂到最優(yōu)解，不易陷入局部最優(yōu)。在此基礎上提出了基于帝國主義競爭算法的關聯規(guī)則挖掘方案，詳細闡述了使用ICA進行關聯規(guī)則挖掘的步驟，并使用UCI公開數據集對方案進行了仿真驗證。實驗結果表明，與GA算法相比，ICA算法在關聯規(guī)則挖掘上更能達到全局最優(yōu)，挖掘規(guī)則精度更高。
　　最后，

4、本文在學習研究關聯規(guī)則領域的國內外文獻和免疫遺傳算法(Immunegeneticalgorithm，IGA)理論基礎上，針對一篇最新智能算法在關聯規(guī)則挖掘上存運行時間較長的弊端，提出了三段式編碼的改進IGA關聯規(guī)則挖掘算法。使用三段式編碼方案來降低分割點的選取對挖掘結果的影響，使用基于矢量矩濃度的的選擇方案來降低算法的運行時間，使用了自適應的交叉與變異因子降低人工設置參數對挖掘結果的干擾。實驗仿真結果表明，本文改進的算法在關聯規(guī)則連續(xù)屬