基于群體智能的關(guān)聯(lián)規(guī)則挖掘方法及應(yīng)用.pdf

1、近十幾年來(lái)，數(shù)據(jù)挖掘技術(shù)有了長(zhǎng)足的進(jìn)步。數(shù)據(jù)挖掘己經(jīng)成為數(shù)據(jù)庫(kù)研究、開(kāi)發(fā)、和應(yīng)用活躍的分支之一，數(shù)據(jù)挖掘(Data Mining)就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)大量數(shù)據(jù)中項(xiàng)集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。它在數(shù)據(jù)挖掘中是一個(gè)重要的課題，最近幾年已被業(yè)界所廣泛研究。關(guān)聯(lián)規(guī)則研究有助于發(fā)現(xiàn)交易數(shù)據(jù)庫(kù)中不同商品(項(xiàng))之間的聯(lián)系，找出顧客

2、購(gòu)買(mǎi)行為模式，分析結(jié)果可以應(yīng)用于商品貨架布局、貨存安排以及根據(jù)購(gòu)買(mǎi)模式對(duì)用戶進(jìn)行分類。Agrawal等于1993年首先提出了挖掘顧客交易數(shù)據(jù)庫(kù)中項(xiàng)集間的關(guān)聯(lián)規(guī)則問(wèn)題，以后諸多的研究人員對(duì)關(guān)聯(lián)規(guī)則的挖掘問(wèn)題進(jìn)行了大量的研究。 群體智能是在近十幾年來(lái)在協(xié)同進(jìn)化論基礎(chǔ)上發(fā)展起來(lái)的一種新的優(yōu)化算法。它是將由單個(gè)復(fù)雜個(gè)體完成的任務(wù)交給大量簡(jiǎn)單的個(gè)體組成的群體合作完成，而后者往往更具有健壯性、靈活性和經(jīng)濟(jì)上的優(yōu)勢(shì)。群體智能利用群體優(yōu)勢(shì)，在沒(méi)

3、有集中控制，不提供全局模型的前提下，為尋找復(fù)雜問(wèn)題解決方案提供了新的思路，是“無(wú)智能的主體通過(guò)合作表現(xiàn)出智能行為的特性”。作為群體智能的典型實(shí)現(xiàn)模式，模擬生物蟻群智能尋優(yōu)的蟻群算法和模擬鳥(niǎo)群運(yùn)動(dòng)模式的微粒群算法正在受到學(xué)術(shù)界的廣泛關(guān)注。由于其概念簡(jiǎn)明、實(shí)現(xiàn)方便，在短期內(nèi)迅速得到了國(guó)際演化計(jì)算研究領(lǐng)域的認(rèn)可。 數(shù)據(jù)挖掘技術(shù)是分析大規(guī)模數(shù)據(jù)集的有效方法。由于數(shù)據(jù)內(nèi)在的不精確性和多屬性之間的復(fù)雜性，有時(shí)己有的方法就失效了，而軟計(jì)算技術(shù)

4、在這兩方面有著獨(dú)到的優(yōu)勢(shì)，所以以軟計(jì)算技術(shù)為手段研究新的數(shù)據(jù)挖掘方法具有重要的意義。本文力圖采用群體智能研究解決數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則提取問(wèn)題。 本文對(duì)群體智能，尤其是蟻群算法進(jìn)行了較為系統(tǒng)地分析和研究，結(jié)合關(guān)聯(lián)規(guī)則的特點(diǎn)，提出了一些改進(jìn)的算法，主要包括以下一些內(nèi)容： (1)關(guān)聯(lián)規(guī)則挖掘的綜述。在關(guān)聯(lián)規(guī)則基本概念的基礎(chǔ)上，介紹了關(guān)聯(lián)規(guī)則的定義、關(guān)聯(lián)挖掘的過(guò)程和關(guān)聯(lián)規(guī)則的種類，并對(duì)關(guān)聯(lián)規(guī)則挖掘領(lǐng)域的代表算法進(jìn)行了分析。

5、 (2)群體智能技術(shù)和遺傳算法的研究。介紹了群體智能的基本概念、系統(tǒng)結(jié)構(gòu)、主要應(yīng)用等等。尤其重點(diǎn)研究了常用的群體智能重要模式蟻群算法，同時(shí)對(duì)遺傳算法做了介紹和分析。 (3)基于群體智能的關(guān)聯(lián)挖掘。本文結(jié)合蟻群算法和遺傳算法的優(yōu)勢(shì)提出混合蟻群算法，并將其運(yùn)用在關(guān)聯(lián)規(guī)則挖掘中，提出了一種基于混合蟻群算法的關(guān)聯(lián)規(guī)則挖掘算法。傳統(tǒng)的數(shù)據(jù)挖掘算法雖然在理論上保證了結(jié)果的高精度，然而對(duì)于商品種類過(guò)多，交易量非常大的關(guān)聯(lián)發(fā)現(xiàn)，其計(jì)算時(shí)間卻是