基于混合蟻群算法的關聯(lián)規(guī)則挖掘研究.pdf

1、信息過載現(xiàn)象的發(fā)生，使得用戶需要花費大量時間篩選有用信息，這無疑會大大降低用戶體驗。個性化推薦技術的出現(xiàn)，成為解決該問題的有效措施。關聯(lián)規(guī)則挖掘作為當前運用較為成功的個性化推薦技術，受到眾多研究者的青睞。本文針對個性化推薦準確性較低的問題，提出了基于混合蟻群粒子群算法(ACO-MPSO算法)的關聯(lián)規(guī)則挖掘方法，旨在挖掘出質(zhì)量更好的強關聯(lián)規(guī)則，以提高個性化推薦結果的準確性。ACO-MPSO算法是在對基于蟻群算法、PSO算法的關聯(lián)規(guī)則挖掘方

2、法進行研究的基礎上提出來的，其主要思想是利用PSO算法挖掘結果對蟻群算法的初始信息素濃度進行確定，以減少蟻群算法的盲目性，并引入Metropolis機制，避免早熟現(xiàn)象的發(fā)生。
　　本文對ACO-MPSO算法的執(zhí)行過程進行了詳細設計，并以某超市的購物記錄為數(shù)據(jù)來源，以算法執(zhí)行時間、強關聯(lián)規(guī)則質(zhì)量為評價指標，將ACO-MPSO算法與經(jīng)典Apriori算法、PSO算法、蟻群算法以及混合模擬退火粒子群算法在關聯(lián)規(guī)則挖掘問題上進行了實驗對比