基于免疫遗传退火算法Web关联规则挖掘方法.docVIP

基于免疫遗传退火算法Web关联规则挖掘方法 　　 (1.柳州职业技术学院，广西 柳州 545006；2.中国人民大学 信息学院，北京 100472) 　　?? 　　摘 要：根据关联规则挖掘的要求与特点，结合免疫算法，遗传算法和模拟退火算法的优点，提出一个基于免疫遗传退火算法的Web关联规则挖掘方法。实验结果表明，与遗传算法和模拟退火算法相比，基于免疫遗传退火算法的关联规则发现在Web挖掘中具有一定的优势。?? 　　关键词：Web挖掘;关联规则;遗传算法;退火算法;免疫遗传退火算法?? 　　中图分类号：TP311 文献标志码：A 　　 文章编号：1001?B3695(2009)02?B0478?B03 　　?? 　　Web association rules method based on immune genetic annealing algorithm 　　?? 　　FU Baolong1，HUANG Chongzheng2 　　??(1.Liuzhou Vocational Technological College, Liuzhou Guangxi 545006,China；2.College of Information, Renmin University, Beijing 100472, China) 　　??Abstract:According to the requirement and the character of association rule mining,combined with the advantage of genetic algorithm, simulated annealing algorithm,and immune algorithm, a mining method of association rules was proposed. From the experiment result, it is concluded that ,contrast to traditional method,the Web association rules ming based on immune genetic annealing algorithm have certain comparative advantage.?? 　　Key words:Web mining;association rules; genetic algorithm(GA); simulated annealing algorithm; immune genetic annealing algorithm(IGAA)?お? 　　在互联网技术的强力推动下，Web已经成为信息制造、加工和处理的主要平台，其承载的数据量正在迅速膨胀。为了帮助用户在浩如烟海的Web中迅速找到相关的信息，自动从Web文档和服务中发现和抽取信息的Web挖掘技术已成为数据挖掘研究中的热点。Web挖掘是指使用数据挖掘技术在WWW数据中发现潜在的、有用的模式或信息[1]。关联规则是Web挖掘的一个重要研究课题，其目的在于找出网站资源访问记录中隐含的相互关系[2,3]。运用关联规则挖掘技术能够从服务器以及浏览器端的日志记录中自动发现隐藏在数据中的模式信息，了解系统的访问模式以及用户的行为模式，从而作出预测性分析。?? 　　目前，广泛使用的关联规则挖掘算法是Aprior算法或其改进算法。这些算法的基本思想是将关联规则的挖掘分解为两步：首先找到所有支持度大于用户最小支持度的项集，这些项集称为频集；然后从找到的频集中构造其可信度大于用户最小可信度的关联规则。算法的核心思想是找到频集，这个过程其实是一个全局搜索的过程，而遗传算法(GA)就是一种全局优化算法，它可以有效地避免搜索过程的局部最优解。遗传算法是一类模拟生物进化的智能优化算法[4,5],它在解决组合优化问题中具有明显的优势和特色，但在分类规则挖掘问题上，若采用Michigan方法，最优个体并不能代表问题的最优解，问题的解要通过一组染色体来表示，因此该方法存在染色体集成的问题。在研究中发现，并不是适应度高的染色体集成在一起形成的解越好，这就要求算法不仅要能找出适应度高的个体，还要能找出适应度不高但能提高最终挖掘结果准确性的那部分个体。能否找出这些适应度不高的个体并在进化过程中保留这些个体，是决定基于遗传算法的关联规则方法性能好坏的关键。这不仅要求算法具有很好的全局搜索能力和局部搜索能力，而且能在进化过程中维持多样性的有效探索。免疫算法(immune algorithm,IA)是模拟免疫系统针对病菌的多样性识别能力而设计出来的多峰值搜索算法[6~9]。它的搜索目标具有