基于改进多种群遗传算法的关联规则研究

摘要

随着信息化进程的不断推动，各行各业所产生的数据急剧膨胀，利用传统的数据库方法已不能满足人们对发现知识的渴求。于是，数据挖掘技术应运而生，数据挖掘技术的出现帮助我们解决了一些复杂的问题。其中关联规则是数据挖掘中研究较深入的领域之一。关联规则挖掘的目的是从海量数据中发现项与项之间的联系。现已从购物篮分析扩展到很多方面。遗传算法作为优秀的全局搜索算法在数据挖掘方面展现出独特的优势。本文针对传统的遗传算法中表现出来的易陷入局部最优以及早熟的缺点，提出改进的多种群遗传算法。该算法依据自然界中能量传递方式，产生大小规模不等的三个初始种群。针对三个初始种群的不同特点分别采取不同的进化策略，从而快速的达到全局收敛。
　　本文在理论基础上最后应用于实际，通过UCI(University of CaliforniaIrvine)提供的森林火灾数据进行关联规则的挖掘。实验表明：本算法能有效的找出有用的规则，并通过这些规则分析出影响当地火情的主要气象因素。主要内容包括：⑴归纳总结现阶段数据挖掘及关联规则的研究情况。⑵介绍传统遗传算法并提出改进思路。⑶针对传统遗传算法的不足，提出改进型的多种群的遗传算法，并通过对比传统遗传算法验证本算法的可行性和有效性。⑷讨论运用遗传算法进行关联规则的挖掘，并将本算法应用于实际，用于指导预测森林火灾的发生。

目录

封面

声明

中文摘要

英文摘要

目录

第一章绪论

第一节 研究背景

第二节 研究现状

第三节 论文的主要工作

第二章关联规则挖掘研究

第一节 数据挖掘概述

第二节 关联规则挖掘概述

第三节 Apriori算法研究

第三节 本章小结

第三章 遗传算法的基本原理及简介

第一节 遗传算法概述

第二节 遗传算法的局限性及改进方法

第三节 改进多种群遗传算法的研究

第四节 仿真实验及结果

第四章改进多种群遗传算法的数据挖掘研究

第一节 多种群遗传算法进行关联规则挖掘的思想和模型

第二节 基于改进多种群遗传算法的关联规则挖掘实现

第五章应用实例分析

第一节 应用背景简介

第二节 遗传算法编码

第三节 算法参数设置

第四节 关联规则挖掘结果及分析

第六章总结与展望

第一节 总结

第二节 工作展望

参考文献

致谢

作者在读期间完成的研究成果