基于拟态物理学优化算法的多维关联规则挖掘方法及应用

《基于拟态物理学优化算法的多维关联规则挖掘方法及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得云洼王些太堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。学位论文作者虢嵇贯签字嗍肋l侔7月厶日学位论文版权使用授权书本学位论文作者完全了解云鎏王些太堂有关保留、使用学位论文的规定。特授权丞洼王些太堂可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制

2、手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：猁’签字日期：易圩年；月／易日导师签名：脚签字日期：0。f军；月￡咱万方数据学位论文的主要创新点、』／／／／f／兰I／N／／／／／婴fll／／／f／H／ff／／／／Hf／jH堡／I／lj／ll／／／一、首次将APO算法应用到关联规则挖掘上来，构建了APO算法挖掘关联规则的模型。二、摒弃了挖掘关联规则时的最小支持度阈值和最小置信度阈值的设置，采用本文设置的适应值函数，不仅能够挖掘出拥有高支持度和高置信度

3、的关联规则，还能够挖掘出用户“感兴趣”的关联规则。三、针对APO算法的不足，将APO算法的迭代公式进行了一系列的数学运算，得到了改进的APO算法，从而很好地提高了算法的搜索性能和鲁棒性，并将改进算法应用到挖掘关联规则上来，取得了很好的结果。万方数据摘要随着IT技术的飞速发展，数据库技术的广泛应用尤其是大数据时代的到来，导致在各个应用领域会产生海量的数据。这些数据中包含了许多有用的知识，因此如何发现这些知识显得尤为重要。数据挖掘正是在这样的背景之下得到广泛重视和深入研究并取得重大进展。关联规则挖掘作为数据挖掘的主要研究方向之一，其主要研究目

4、的是从大型数据集中找出属性间隐藏的、有趣的关系。目前挖掘关联规则的算法中，采用群体智能算法挖掘关联规则越来越受到人们的关注。拟态物理学优化算法(Artificialphysicsoptimization,APO)，是由谢丽萍和曾建潮于2010年提出的一种基于牛顿第二定律的随机搜索算法。受牛顿第二定律启发，该算法通过个体间的虚拟力作用而改变个体的速度和位置，朝着优化目标移动，最终收敛于全局最优解的周围。它原理简单、参数少、收敛速度较快并且算法程序实现简单，已被证明是一种行之有效的全局优化方法。本文主要工作是首次构建APO算法挖掘多维关联规则

5、模型，设计了模型中的各种方法和参数，使APO算法在挖掘关联规则是体现出了不俗的性能。该模型中个体的编码方式采用整数编码，相较与二进制编码整数编码具有个体长度更小、运行效率更高的优点。在适应度函数上本文设计了一种摒弃最小支持度阈值和最小置信度阈值并能挖掘出用户更感兴趣的适应度函数。由于APO算法挖掘关联规则模型有易陷入“早熟”、搜索精度不够高等问题，本文还将APO算法进行了改进。在分析万有引力定律、牛顿第二定律的基础上，并结合物体位移与加速度间的关系，得出一个位移与时间的相关函数。基于该函数将APO算法的移动规则进行了改进。并通过实验验证了

6、改进后的算法确实比原始APO算法拥有更好的性能，然后亦将改进后算法应用的挖掘关联规则上来，实验结果显示，在挖掘关联规则问题上，改进后的算法仍然在各方面保持了更高的性能。关键词：关联规则：拟态物理学优化算法；适应度函数；牛顿第二定律；关联规则兴趣度万方数据ABSTRACTWiththerapiddevelopmentof邛，thewidelyusedofdatabasetechnology,especiallythearrivaloftheeraofbigdata,Allwalksoflifewillgeneratevastamountso

7、fdata．Thesedatacontainsmuchusefulknowledge，thereforehowtofindthisknowledgeisveryimportant．Underthecircumstances，dataminingisearnedwidespreadrespectandstudieddeep．Atpresent，itisobtainedsignificantprogress．Asoneoftheresearchdirectionsofdatamining，theprimarypurposeofassociat

8、ionruleistofindoutthehiddenandinterestingrelationshipsbetweenattributesfromalargedataset．Current