Hopfield網(wǎng)絡(luò)、遺傳算法的數(shù)據(jù)挖掘中的應(yīng)用.pdf

1、近年來，數(shù)據(jù)挖掘引起了信息產(chǎn)業(yè)界的極大關(guān)注，主要原因是存在大量數(shù)據(jù)，可以廣泛使用，并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識。獲取的信息和知識可以用于多種領(lǐng)域，包括商務(wù)管理、生產(chǎn)控制、市場分析、工程設(shè)計和科學(xué)探索等。在過去的30多年中，計算機硬件穩(wěn)令人吃驚的進步導(dǎo)致了計算機、數(shù)據(jù)收集設(shè)備和存儲介質(zhì)的飛速發(fā)展。這些技術(shù)大大推動了數(shù)據(jù)庫和相關(guān)信息產(chǎn)業(yè)的發(fā)展，使得大量數(shù)據(jù)庫和信息用于事務(wù)管理、信息檢索和數(shù)據(jù)分析。為了從海量數(shù)據(jù)中獲取重要信息

2、、作出重大決策，數(shù)據(jù)挖掘應(yīng)運而生。關(guān)聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘的一個重要方面，能夠發(fā)現(xiàn)大量數(shù)據(jù)中項集之間的相關(guān)聯(lián)系。隨著大量數(shù)據(jù)的收集和存儲，許多業(yè)界人士對于從他們的數(shù)據(jù)庫中挖掘關(guān)聯(lián)規(guī)則越來越感興趣。目前有多種挖掘關(guān)聯(lián)規(guī)則的方法，如Apriori方法以及由此衍生出來的多種方法，頻繁模式增長方法(frequent-patterngrowth)等等。然而每種方法都有其自身局限性，人們?nèi)栽诟倪M已有的關(guān)聯(lián)規(guī)則挖掘方法并不斷探索新方法。 人工

3、神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代科學(xué)研究成果的基礎(chǔ)上提出的模擬人腦結(jié)構(gòu)和機制的一門新興科學(xué)。它不是人腦真實的全面的描述，而是對這類生物神經(jīng)網(wǎng)絡(luò)的抽象、模擬和簡化，其目的在于探索人腦的信息加工、存儲和搜索機制，為人工智能和信息處理等學(xué)科的研究開辟新途徑。人工神經(jīng)網(wǎng)絡(luò)是采用物理可實現(xiàn)的方法來模擬人腦神經(jīng)細胞的結(jié)構(gòu)和功能的系統(tǒng)，它模擬了人類神經(jīng)元活動的原理，具有自學(xué)習(xí)、聯(lián)想、對比、推理和概括能力，為很好地解決關(guān)聯(lián)規(guī)則挖掘這樣一個復(fù)雜問題提供了新的途徑。近來，

4、Hopfield網(wǎng)絡(luò)作為神經(jīng)網(wǎng)絡(luò)的一種，被嘗試用于關(guān)聯(lián)規(guī)則挖掘，并取得了一定成果。但是，已有的直接、機械的將Hopfield網(wǎng)絡(luò)用于關(guān)聯(lián)規(guī)則挖掘的方法具有缺陷，這些缺陷主要源于Hopfield網(wǎng)絡(luò)自身的不足。 遺傳算法于1975年由Michgan大學(xué)的JohnHolland首先提出。它是一種自適應(yīng)的搜索策略，因其操作類似于自然界的優(yōu)勝劣汰機制而得名。遺傳算法因其自適應(yīng)性、領(lǐng)域知識無關(guān)性、并行性等特性，且能較好的處理大規(guī)模數(shù)據(jù)，特

5、別適合于解決多目標(biāo)優(yōu)化問題，因而在諸多領(lǐng)域有廣泛的應(yīng)用。作為一個趨勢，遺傳算法被越來越多的應(yīng)用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，改進神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)和權(quán)值。實踐中，遺傳算法進化BP網(wǎng)絡(luò)的應(yīng)用越來越成熟，并已經(jīng)取得了豐碩的成果。與之相比，遺傳算法和Hopfield網(wǎng)絡(luò)的結(jié)合雖然也取得了一些成果，但還有待繁榮。 本文致力于Hopfield網(wǎng)絡(luò)、遺傳算法和關(guān)聯(lián)規(guī)則挖掘三者的結(jié)合，引入遺傳算法局部進化Hopfield網(wǎng)絡(luò)的思想，提出了一種新的基于遺傳算