一种基于遗传算法的知识规则挖掘算法.pdfVIP

Vol. 36 No. 3 郑州大学学报〈理学版〉 第 36 卷第 3 期 2004 年 9 月 JOURNAL OF ZHENGZHOU UNIVERSITY Sep. 2004 一种基于遗传算法的知识规则挖掘算法 张志立， 张鹏， 齐德星 (华南理工大学计算机学院 广州 510640) 摘要:论述了遗传算法在数据挖掘中的一类知识分类应用.并绘出了基于遗传算法的知识规则j 挖掘算法的基本思 想和关键问跑，包括知识规剿表示.适应度函敛定义等.通过实例证明了该算法的有效性. 关镰诩g 数据您揭;知识表示s 规j11];遗传算法 中图分类号:TP 301. 6 文.编号，1671 - 684 1(2004)03 - 0018 - 04 本文针对遗传算法实现技术的关键，综合敬据挖掘中一类应用知识分类规则挖掘问题的具体情况，提 出了遗传算法中确定各种参数及操作的具体方案，包括染色体编码方法.遗传操作算子的设计、适应度函数 的定义及实现，绘出了基于遗传算法的知识规则挖掘算法.在数据挖掘中，由于遗传算法具有离鲁糠性、全局 搜索能力等特点，它可以在元知识(元数据)的基础上进一步进行优化，得到更满意的知识和规则;遗传算法 的变异可以产生先前没有发现的知识，也就是说从知识中获得了隐含的知识.本文的实例就能说明这一点. 1 数据挖掘与知识表示 1. 1 鼓据挖组 数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知 道的、但又是潜在有用的信息和知识的过程.目前还有很多和这一术语相近似的术语，如从数据库中发现知 识、数据分析、数据融合以及决策支持等.数据挖掘所能发现的知识有如下几种:广义型知识、特征型知识、差 异型知识、关联型知识、预测型知识、偏离型知识.至于发现工具和方法，常用的有分类、聚类、减维、模式识 别、可视化、决策树、遗传算法、不确定性处理等. 1.2 知识褒示 知识表示在数据挖掘中是很重要的，适当选择和正确使用知识表示方法将极大地提高问题求解效率.知 识表示方法很多，已经成功运用的知识表示形式有谓词逻辑、产生式规则、语义网络、框架、剧本、过程性知 识、神经网络等.在数据挖掘中，提取的知识一般可表示为概念、规则、规律、模式等形式，许多数据挖掘问题 可看成是搜索问题.数据库被看作是搜索空间.本文所述的数据挖掘算法看作是搜索策略.因此，应用遗传 算法在数据库中进行搜索，对隧机产生的一组规则进行进化，直到数据库能被该组规则覆盖，从而挖掘出隐 含在数据库中的规则. 由于产生式规则表示方法具有简单清晰等特点，是目前专家系统中应用最多的一种知识表示方法.产生 式规则表示方法通常囱两部分组成. 一部分是前提，另一部分是结论.前提部分就是执行该规则时必须满足 的先决条件;结论部分是执行该规则时所得到的动作或结果-条产生式规则可以描述为下列形式z 2 2 2 IF E， (A..A2 ….Am) 八 E (A， .A • ….A..) ^…^ E.(A,.A2 …A..) THEN H(结论).其中E， (A， .A • •. .A..) (1 :!õ二 i ~n) 是以 A;(1 ~ iζ m) 为属性的前提条件.各属性之间是OR(V) 的关系即 E， (A， . 儿， …Am) 可表示为析取式形式(E; = A I OR E; = A 2 …OR E; = A..).各前提之间是AND(八)的关系即合取 式形式.下面举例来说明规则表示及意义.比如一个知识分类规则g 雄事‘日期 ， 2003-12 - 创 作者街介z 张志立(1964一) .男，副敏蟹，博士研究生，主要从事网络计算和多数掘库中间件研究.E-mail.zzl@xctc. ed...cn. 第3 期