基于遺傳算法的數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究.pdf

1、隨著計(jì)算機(jī)和網(wǎng)絡(luò)的普及,我們能方便獲取我們關(guān)心的所有信息,在很多領(lǐng)域,都存在這些急速增長(zhǎng)的以不同形式存在的數(shù)據(jù),僅靠人們對(duì)數(shù)據(jù)庫的查詢或檢索得出的數(shù)據(jù)往往不能得出我們所需要的歸納性的結(jié)果。如何根據(jù)所獲得的海量的數(shù)據(jù)信息做出關(guān)鍵的決策,找出它們之間的結(jié)構(gòu)關(guān)系,從而進(jìn)行正確的管理和行動(dòng),這就涉及到數(shù)據(jù)挖掘。
　　 數(shù)據(jù)挖掘的目的,是在數(shù)據(jù)庫中提取潛在的,有用的信息和知識(shí)。要是把這個(gè)數(shù)據(jù)庫當(dāng)作一個(gè)搜索空間,數(shù)據(jù)挖掘算法則就是搜索這個(gè)空

2、間的策略。一般來說,數(shù)據(jù)庫是很龐大的,即搜索空間很大,所以,挖掘算法這個(gè)搜索策略必須是高效的。
　　 聚類分析是數(shù)據(jù)挖掘技術(shù)的重要任務(wù)之一和主要研究領(lǐng)域之一,在識(shí)別數(shù)據(jù)內(nèi)部關(guān)系方面具有重要的意義,主要研究如何在沒有訓(xùn)練的條件下把對(duì)象劃分為若干類。一般的數(shù)據(jù)庫都是大型的,傳統(tǒng)的聚類分析方法不但工作量巨大,而且不能保證最優(yōu)的聚類分析結(jié)果。遺傳算法模擬自然進(jìn)化過程,從而搜索到最優(yōu)解,對(duì)全局信息的有效利用是它的最大特點(diǎn)。我們只需通過較少

3、的結(jié)果來反映出搜索空間較大的區(qū)域,有利于同步處理,具有較強(qiáng)的魯棒性,可以防止結(jié)果陷入局部最優(yōu)。本文就用遺傳算法的這些特性來解決聚類分析中的動(dòng)態(tài)確定聚類數(shù)目及其全局優(yōu)化問題。
　　 k-means算法是聚類分析中的一種經(jīng)典算法,但是它容易受到初始聚類中心的影響而得不到最優(yōu)解,是一種局部的搜索技術(shù)。遺傳算法具有良好的全局優(yōu)化的能力,將遺傳算法與k-means算法結(jié)合起來,能很好解決這一問題。當(dāng)然,傳統(tǒng)的遺傳算法對(duì)k-means算法進(jìn)