基于遗传算法的关联规则数据挖掘技术研究

摘要

数据挖掘已经在许多行业的决策支持中起到关键的作用。其中，关联规则数据挖掘是数据挖掘中成果颇丰的研究分支，从各种事务数据库中发现的关联规则可以帮助许多决策的制定，对关联规则挖掘的研究已经成为数据挖掘领域的一个重要研究方向。
　　 本文在研究数据挖掘、关联规则挖掘技术的基础上，分析推导出一条频繁项集潜在的性质，并应用这条性质对Apriori算法进行了初步改进。从获取用户具体挖掘需求的角度出发，提出了兴趣项集、规则范式的概念，并在这两个概念的基础上对Apriori算法再次改进。然后，在综合这两个改进算法的基础上，提出了I_Apriori挖掘算法。随后，依据遗传算法具备高效全局优化的优点，提出了基于遗传算法的Algorithm_BasedGA挖掘算法。
　　 最后，针对一个具体的关联规则挖掘的应用实例，设计了并实现了挖掘系统，核心挖掘算法分别使用Apriori法、I_Apriori算法、Algorithm_BasedGA算法。结果表明两种改进的算法的正确性和有效性，而且运行时间的对比上在整体上优于以Apriori为代表的传统的关联规则挖掘算法。

目录

文摘

英文文摘

第一章 绪论

1.1 课题研究背景

1.2 课题研究现状

1.2.1 数据挖掘的进展

1.2.2 关联规则的研究现状

1.2.3 遗传算法在数据挖掘中的应用

1.3.论文的主要工作

1.4.论文的章节安排

第二章 关联规则挖掘研究

2.1 数据挖掘概述

2.1.1 数据挖掘的相关概念

2.1.2 数据挖掘的方法和技术

2.1.3 数据挖掘的知识表示

2.1.4 数据挖掘的过程

2.2 关联规则挖掘概述

2.2.1 关联规则的概念

2.2.2 关联规则的种类

2.2.3 关联规则的价值衡量方法

2.3 常见的关联规则挖掘算法

2.3.1 关联规则挖掘的步骤

2.3.2 基本的关联规则挖掘算法

2.3.3 复杂关联规则挖掘算法

2.4 Apdori算法研究

2.4.1 Apriori算法描述

2.4.2 Apriori算法解析

2.4.3 对Apriori算法改进的设想

2.5 本章小结

第三章 基于遗传算法的关联规则挖掘研究

3.1 关联规则挖掘改进研究

3.1.1 基于频繁项集性质的挖掘算法

3.1.2 基于兴趣项集和规则范式的挖掘算法

3.1.3 改进的关联规则挖掘算法(I_Apriori)

3.2 遗传算法

3.2.1 基本思想

3.2.2 处理流程

3.2.3 遗传算子

3.2.4 遗传算法的编码方法

3.3 基于遗传算法的关联规则挖掘研究

3.3.1 关联规则挖掘的特点分析

3.3.2 使用遗传算法的可能性

3.3.3 算法思想

3.3.4 算法描述(Algorithm_BasedGA)

3.3.5 算法详解

3.4 本章小结

第四章 实现与验证

4.1 应用背景介绍

4.2 挖掘系统设计

4.2.1 系统模型

4.2.2 开发环境

4.2.3 数据预处理

4.3 挖掘算法的实现

4.3.1 Apriori算法的实现

4.3.2 I_Apriori算法的实现

4.3.3 Algorithm_BasedGA算法的实现

4.3.4 结果分析

4.4 算法性能对比分析

4.5 本章小结

第五章 结束语

5.1 本文工作总结

5.2 本文工作展望

致谢

参考文献

作者在读研期间的研究成果