基于GEP与小生境关联规则挖掘研究.docVIP

基于GEP与小生境关联规则挖掘研究 　　 (华中科技大学 图像识别与人工智能研究所 图像信息处理与智能控制教育部重点实验室, 武汉 430074) 　　?? 　　摘 要：如何高效而正确地挖掘关联规则是数据挖掘领域的一个重要研究方向。在现有工作的基础上结合基因表达式编程进化算法提出了一种新的挖掘强关联规则的算法框架；提出并实现了基于小生境技术的基因表达式编程算法(nichegene expression programming,NGEP)以用于挖掘关联规则。与同类算法的对比实验结果表明，NGEP不但能更快地收敛，还进一步提高了挖掘的正确率。 　　?す丶?词：关联规则； 基因表达式编程； 进化算法； 小生境 　　?ぶ型挤掷嗪牛?TP181 文献标志码：A 　　 文章编号：1001?B3695(2009)01?B0056?B03 　　?? 　　Research on GEPbased algorithm and niche technology in??association rule mining 　　HUANG Gang, YANG Jie, LI Dehua, PAN Ying 　　?? 　　(State Commission Research Laboratory of Image Processing Intelligent Control, Institute of Pattern Recognition Artificial Intelligence, Huazhong University of Science Technology, Wuhan 430074, China) 　　?? 　　Abstract:Mining association rules in large databases efficiently and effectively is becoming one of the most important and popular ways of knowledge discovery. Combine with the technology of data mining and gene expression programming and niche technology, this paper put forword a new arithmetic NGEP(michegene expression programming). Compared with GAAA, NGEP can gain faster convergence and better solutions. 　　??Key words：association rule; gene expression programming; genetic algorithm; niche 　　?お? 　　数据挖掘在最近几年里已被业界广泛研究,关联规则的挖掘就是其中一个重要的研究热点。近年来相关的工作有了长足的发展,如文献[1~8]，大致可分为以下两类：一类是在经典Apriori算法的基础上进行改进[1~3]，但由于需要多次搜索数据库以形成频繁集(frequent itemsets)而导致计算量巨大，面对海量数据库时算法效率锐减；另一类结合人工智能的方法(如仿生学或神经网络等)直接从实验样本中抽取关联规则[4,8]。但是应用遗传算法进行挖掘时可能存在收敛速度慢或漏报规则的问题，其主要原因是规则平面极不光滑，是一个复杂的多峰值搜索问题。在文献[9,10]的基础上结合小生境技术，提出并实现了基于小生境的基因表达式编程算法(NGEP)。NGEP充分利用小生境技术便于多目标多峰值搜索的特点，结合基因表达式编程算法(GEP)操作简单、鲁棒性强的优势对解空间进行搜索，既保证了解集分布的均匀性和多样性，又加快了收敛的快速。?? 　　1 相关概念和描述?? 　　1.1 关联规则?? 　　设I={i1,i2,…,im}是m个不同项目的一个集合。关联规则可以表示为R：X??Y。其中：X??I,Y??I，且X∩Y=?痢＊? 　　 关联规则具有如下两个重要的属性：支持度sup(X??Y)和置信度conf(X??Y)。同时满足最小支持度min_sup和置信度min_conf的规则被称为强规则。在本文中，简记为?? 　　supx,y=sup(X??Y), confx,y=conf(X??Y)。?? 　　1.2 GEP算法?? 　　GEP算法是一种新的基于基因型和表现型的自适应演化算法。它的主要特点是利用定长的线性串(基因型组)表达不定长度和形态的非线性实体(表达式树)。采用GEP算法进行关联规则挖掘的优势在于：??