基于改进型数据挖掘模型的研究.pdfVIP

科学技术 基于改进型数据挖掘模型的研究 奚中阳 (云南财经大学 信息学院，云南 昆明 650221) 摘 要：近年来在人工智能领域极具突出研究价值的是数据挖掘技术。数据挖掘技术就是从大量的无规则的数据 中提取出潜在的人们感兴趣 的知 识 提取出的知识表现形式可以为概念、规则、规律、模式等等 目前数据挖掘算法有许多种，如经典的Aptiori算法，FP—Tree等。而遗传算法 自 1975年 由J．H0lland提出以来，因其结构简单，采用模拟 自然选择，适用于解决非线性问题，对于解决存在大量的无序的数据 中的挖掘，遗传算法有 独特的优势。本文基于遗传算法的优势，采用遗传算法进行关联规则的挖掘。 关键词：数据挖掘 ；关联规则； 遗传算法 1相关概念 占的比例。 1．1关联规则 一 个项集是否频繁项集的唯一标准是：项集的支持度要大于用户 关联 规则 是用来 发现 一组数据 中同时发生 的概 率。假 定 所给的最小支持度闽值 (MinSupp)。因此适应度函数中最好包含项集的 I= {Jl，／2… ．． }是数据项的集合。给定一个交易数据库D，定义 适应度和MinSupp，最好通过函数计算能分辨出支持度和MinSupp的大 支持度 (support)为D中事务同时包含事件A与事件B的百分比；定义置 小关系。因此拟定群体 中个体适应度函数为： 信度 (confidence)为D中事务在已经包含事件A的情况下，包含Y的百 Fitness(X)=x代：菱项集的支持度 ／最小支持度阈值MinSupp。 分比，即条件概率。如果满足设定的最小支持度阈值和最小置信度阈 3．3选择算子、交叉算子、变异算子的确定 值，则认为所得到的规则是潜在有用的。 选择算子最常用的是基于适应度比例的选择，如赌轮选择。而根 1．2关联规则挖掘的过程 据赌轮选择的特点，个体被选中的概率与其适应度 占群体适应度总和 关联规则的挖掘可以分为两部分： 的比例成正 比，那么就有可能出现这样一种情况：初始群体中少数适 (1)找出所有频繁项集：即找出所有支持度大于设定的最小支持度 应度较大的超级个体，在下一代中会得到较高的复制概率，它们在随 闽值的项 目集 。 后进化的少数几代 内将会统治整个群体。赌轮选择在进化开始时的选 (2)由频繁项集产生强关联规则：即通过第一步中得到的频繁项集 择压力过大是导致遗传算法早熟的一个主要原因。另外，当进化终了 中选取置信度大于给定的最小置信度阆值。 时，同一群体 中不同个体之间的适应度差异变得很小，其选择概率相 近，使得选择趋于随机选择，可能使遗传算法失去进化能力。具体对 1．3遗传算法 于关联规则的挖掘，两个适应度很高的个体，未必会繁殖出一个高适 遗传算法是一种模拟生物优胜劣汰 自然选择与遗传机理的随机搜 应度的个体。所以，虽然赌轮盘选择是遗传算法中非常常用的一种选 索算法。相比于传统的搜索算法，遗传算法随机产生一组称为种群的初 择算子，但并不适合于本文的问题求解 。 始解。种群中的每个个体都是问题中的一个解，称为染色体。染色体通 因此拟采用的选择操作是将适应度值大于l的规则都遗传下来，也 过不断的选择，交叉，变异等操作产生