基于遗传算法的等价类提取方法地研究.pdfVIP

第34卷增刊 河北工业大学学报 2005年8月 V01．34增刊 JOURNALOFHEBEIUNIVERSITYOFTECHNOLOGY 2005 August 基于遗传算法的等价类提取方法的研究 贺小扬，赵艳，李红梅 (河北农业大学信息科学与技术学院，河北保定071001) 摘要：提出了一种基于遗传算法的等价类分析的算法．此算法采用有效的基于最近邻基因匹配的交叉算子，使得 交叉过程能够不断产生有意义的个体，保证了群体的多样性．同时将k均值算法和遗传算法相结合，提高了搜索 速度和分类的精确性． 关键词：遗传算法；等价类；k均值算法；最近邻算法 O 引言 等价类的抽取是知识发现中一种重要环节，能够从研究对象的特征数据中发掘出关联规则．等价类 问题在一定条件下可以看作是一个带约束的最优化问题，因此可以使用遗传算法进行解决等价类问题． 本问题的一般解决方法是按照某种等价类准则进行等价类，如给定一组模式样本，如何划分样本集，使 得基于类内差或类间差的某种等价类准则函数值达到最小． 本文主要从两个方面出发，一方面，结合具体等价类问题的实际情况，采用有效的基于最近邻基因 匹配的交叉算子，使得交叉过程能够不断产生有意义的个体，保证了群体的多样性．另一方面，将k均 值算法和遗传算法相结合，提高了搜索速度和分类的精确性． 1等价类遗传算法 1．1等价类遗传算法的数学描述 分c={G，G，…，G)，满足： x=UCi 扣1 Cf≠咖 G=1，2，…，m) CjnG=≯(f，J=1，2，…，m；f≠力 并且使得类间差和类内差满足：Fc=类间差／(1+类内差)达到最大． 是所有类内距离的和，觚，乙)是第k类的样本到其等价类中心的距离．这里，烈Zf，乃)和觚，磊)均是 欧氏距离，即 d(Z，乃)=lIZf一乃|| 觚，乙)=IIx,一五|I 等价类准则函数就是使得类与类之间的距离尽量大，类内距离尽量小，即使得R达到最大． 1．2等价类遗传算法 1．2．1确定等价类数目 使用七均值算法，首先任选k个初始的的等价类中心，根据使每一类中的样品到该类的等价类中心 的距离的平方和最小，进行迭代分类，将全部样品分配到k个类中，依此算法来进行确定初始的等价类 收稿日期：2005．06—12 作者简介：贺小扬(1971)，男(汉族)，讲师、硕士 增刊 贺小扬，等：基于遗传算法的等价类提取方法的研究 49 数目． 1．2．2编码与适应度的选择 为了将遗传算法应用于等价类分析，首先必须对每个可行解进行编码，从而将解空间变换为染色体 空间；并定义染色体的适应度，使得较优的个体适应度也较高．然后再对种群施加选择、交叉、变异等 的操作，使得群体不断向着最优解的方向进化． 在等价类遗传算法中，由于等价类问题的样本数目n一般远大于其等价类数目m，因此采用的染 色体的编码方式是基于等价类中心的十进制数编码．在这种编码方式下，一条染色体有m个等价类中 心组成，即s=ZlZ2…乙，由于样本的向量维数为d，因此一条染色体即为长度为m×d的十进制数的串． 当等价类中心确定时，等价类的划分根据最近邻法则决定，对于某个体S按照以下方法计算其适 应度： 1)按照最近邻原则，确定对应该染色体的等价类划分； 2)根据等价类划分，按照R=类间差／(1+类内差)来计算R． 依照此方法，个体的适应度与其对应的等价类划分相关，E的值越大，个体越优． 3)种群的初始化 种群是这样形成的，先将每个样本随机指派为某一类，作为最初的等价类划分，并计算各类的等价 类中心，一般根据下式进行计算：