基于遗传算法和改进兴趣度的关联规则挖掘算法

摘要

互联网社会改变了人们的行为方式和思考方式，在这个信息社会里人类积累海量的数据，如何从这些海量数据中挖掘出“黄金”知识变得越来越重要。因此，数据挖掘这门学科越来越成为社会关注的焦点。
　　关联规则是数据挖掘的重要研究内容，研究关联规则挖掘是为了从大量的数据中找出项与项之间的相关关系。本文首先介绍了关联规则的基本概念和有关性质，然后对关联规则的经典算法—apriori算法进行了详细的介绍，接着对数据挖掘的重要方法之一的遗传算法进行简要的介绍，包括遗传算法的基本术语和运行过程。
　　在传统支持度—置信度框架下挖掘关联规则可能会挖掘出一些无用的甚至有误导性的规则，而一些有用的关联规则却不一定能被挖掘出来，于是引入了兴趣度来改进传统框架。兴趣度表征一个规则的有趣程度，通过它可将一些无用的有误导性的规则给淘汰掉。本文首先提出了一种改进的兴趣度模型，然后从理论上和实验两个方面证明该兴趣度模型要好于常见的兴趣度模型。
　　本文分析了遗传算法在关联规则挖掘中的天然优势，对遗传算法挖掘关联规则研究现状和不足进行了总结，并且阐述了将遗传算法和兴趣度结合挖掘关联规则的思想。最后将遗传算法和本文提出的改进兴趣度模型进行结合，得到了一种新的关联规则挖掘算法，即基于遗传算法和改进兴趣度的关联规则挖掘算法。通过和已经存在的两个关联规则挖掘算法进行实验对比表明了本文提出的算法能更多地淘汰无趣规则，因而本文提出的算法是高效的，具有一定的应用价值，可将其应用到科研和实践中。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 概述

1.1数据挖掘

1.2 数据挖掘与关联规则

1.3 数据挖掘与遗传算法

1.4 本文研究目标及内容

1.5论文结构

第二章 关联规则和遗传算法相关介绍

2.1关联规则的基本概念

2.2 关联规则的挖掘定理和性质

2.3 apriori算法

2.4 遗传算法引言

2.5遗传算法的基本术语

2.6 遗传算法的运行过程及相应说明

2.7本章总结

第三章 一种改进的兴趣度模型

3.1提升度的引入

3.2 兴趣度引言

3.3 现有的兴趣度模型

3.4新的兴趣度模型

3.5本兴趣度模型和其他其他兴趣度模型的比较分析

3.6本章实验算法描述

3.7 实验结果分析与比较

3.8 本章小结

第四章 一种基于遗传算法和改进兴趣度的关联规则挖掘算法

4.1 遗传算法应用于关联规则挖掘的现状和不足

4.2遗传算法和兴趣度结合挖掘关联规则的思想

4.3 本文算法的实现过程

4.4两个比较算法的简单描述

4.5实验设计与分析

4.6实验结果分析

4.7 实验结果分析和比较

4.8本章总结

第五章 总结与展望

参考文献

附录A 本文作者在攻读硕士学位期间所发表的论文

致谢