一种基于遗传算法的关联规则的改进挖掘方法

摘要

本发明涉及一种基于遗传算法的关联规则的改进挖掘方法，首先通过Apriori算法根据设置的算法参数和输入的数据集得到频繁项集A,将频繁项集A经过实数编码得到初始种群，然后根据设置的最小支持度阈值设计成相应的适应度函数，然后在循环代数之内进行选择、交叉、变异并根据其个体适应度进行排序，会得到相应的频繁项集，最后利用置信度阈值进行强规则提取，统计出规则的数量和所消耗的具体时间。有效地减少基于支持度－置信度”度量标准算法中的不足，有效进行关联规则的数量统计并提取出有价值的强关联规则。加快了算法处理数据的速度，最终提高了挖掘效率和有效性。