基于小生境遗传算法的关联规则挖掘研究

摘要

近年来，面对信息时代海量数据的出现，如何有效地利用海量的原始数据分析现状指导决策，已经成为人类面临的一大挑战。由此，数据挖掘技术应运而生并得以迅猛发展。其中，关联规则是数据挖掘的重要模式之一，作为分析数据间隐含的相互关联关系的有力工具，有着极其重要的应用价值。本文根据关联规则挖掘的要求与特点，引入小生境遗传算法，提出了一种基于小生境遗传算法的关联规则挖掘框架，并通过系统实例分析，验证了此方法的可行性。
　　 本文首先介绍了关联规则技术和遗传算法的研究现状以及传统算法的不足，简述了数据挖掘的基本概念，在深入分析关联规则挖掘技术和传统遗传算法的基础上，提出了一种基于小生境遗传算法的关联规则挖掘框架，并详细阐述了该框架中的各个组成部分的功能以及关联规则挖掘的过程。
　　 本文重点研究了基于小生境遗传算法的关联规则挖掘框架所采用的两个关键挖掘算法。在深入分析传统Apriori算法不足的基础上，提出了一种Matrix_Apriori算法，该算法可以优先挖掘出频繁大项集，大大缩减了系统挖掘占用的空间和时间。为了保持算法后期挖掘效率的稳定性，提出了一种小生境遗传算法进一步对非频繁大项集进行挖掘，小生境遗传算法并行性高，可以挖掘到全局最优解。基于小生境遗传算法的关联规则挖掘框架，有效整合了以上两种算法的优点，大幅度提高了系统挖掘的效率。
　　 本文的研究成果初步应用于某高校外聘教师管理系统信息的数据挖掘之中，通过对系统挖掘结果进行分析，表明本文提出的方法可以有效提高系统挖掘结果的查全率和查准率，应用效果良好。