蟻群算法在關(guān)聯(lián)規(guī)則學(xué)習(xí)中的研究與應(yīng)用.pdf

1、隨著數(shù)據(jù)庫(kù)技術(shù)的迅速發(fā)展以及數(shù)據(jù)庫(kù)管理系統(tǒng)的廣泛應(yīng)用，人們積累的數(shù)據(jù)越來(lái)越多，激增的數(shù)據(jù)背后隱藏著許多重要的信息，人們希望能夠?qū)ζ溥M(jìn)行更高層次的分析，以便更好地利用這些數(shù)據(jù)。數(shù)據(jù)挖掘技術(shù)就是人們長(zhǎng)期對(duì)數(shù)據(jù)庫(kù)技術(shù)進(jìn)行研究和開(kāi)發(fā)的結(jié)果，它致力于數(shù)據(jù)分析和理解，用于揭示數(shù)據(jù)內(nèi)部蘊(yùn)涵知識(shí)，目前已成為現(xiàn)代信息技術(shù)應(yīng)用的主要手段之一。 關(guān)聯(lián)規(guī)則挖掘旨在發(fā)現(xiàn)數(shù)據(jù)集中數(shù)據(jù)之間未知的、隱藏的、有趣的內(nèi)在聯(lián)系，它是數(shù)據(jù)挖掘中一個(gè)重要的研究方向，有廣

2、泛的應(yīng)用前景，然而目前對(duì)關(guān)聯(lián)規(guī)則算法的研究多注重于挖掘效率的提高，而忽視了對(duì)規(guī)則質(zhì)量的要求。 蟻群算法是一種模擬螞蟻群體覓食行為的智能計(jì)算方法，它采用正反饋?zhàn)源呋瘷C(jī)制，具有魯棒性、計(jì)算分布性、易與其他方法相結(jié)合等突出優(yōu)點(diǎn)，已在復(fù)雜組合優(yōu)化問(wèn)題求解等多方面展現(xiàn)出優(yōu)異的性能和巨大的應(yīng)用潛力.將蟻群算法應(yīng)用于數(shù)據(jù)挖掘中是較新的研究方向，目前已經(jīng)有學(xué)者將其應(yīng)用到分類(lèi)決策，聚類(lèi)分析及規(guī)則發(fā)現(xiàn)的研究中。 本文在系統(tǒng)地分析蟻群算法和關(guān)

3、聯(lián)規(guī)則的基礎(chǔ)上，提出了一種用蟻群算法挖掘關(guān)聯(lián)規(guī)則的新方法。改進(jìn)后的算法將蟻群算法與關(guān)聯(lián)規(guī)則的經(jīng)典算法Apriori相結(jié)合，用蟻群算法在頻繁項(xiàng)上挖掘關(guān)聯(lián)規(guī)則。首先利用頻繁項(xiàng)集構(gòu)造一個(gè)完全圖，這個(gè)完全圖的頂點(diǎn)是頻繁集中全部的頻繁子集，邊上的權(quán)值是任意兩個(gè)頻繁項(xiàng)集之間的支持度；然后將此完全圖看作是蟻群算法求解的問(wèn)題空間，算法中除了以邊上的權(quán)值作為螞蟻選路的啟發(fā)因素之外，為了得到那些與具有較高的支持度的頻繁項(xiàng)集相關(guān)的規(guī)則，在螞蟻選路的過(guò)程中引入

4、此完全圖的頂點(diǎn)上的頻繁項(xiàng)的支持度作為啟發(fā)因素的一部分增加支持度對(duì)信息素的影響。在算法經(jīng)過(guò)一定次數(shù)的迭代后，圖中各邊上的信息素的多少表示了頻繁項(xiàng)之間的依賴(lài)程度，它是蟻群算法產(chǎn)生規(guī)則的表現(xiàn)方式；最后根據(jù)邊上的信息素提取頻繁項(xiàng)作為規(guī)則的前件和后件，經(jīng)過(guò)規(guī)則的減枝后生成需要的規(guī)則。 本文以美國(guó)棒球大聯(lián)盟1974—2006年所有正式比賽的官方技術(shù)統(tǒng)計(jì)數(shù)據(jù)為實(shí)驗(yàn)數(shù)據(jù)，對(duì)文中給出的算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證，結(jié)果表明算法最后得出的結(jié)論反映了客觀事實(shí)。