基于粒子群優(yōu)化算法的模糊關(guān)聯(lián)規(guī)則提取方法及并行化實(shí)現(xiàn).pdf

1、關(guān)聯(lián)規(guī)則提取是數(shù)據(jù)挖掘中重要組成部分,其目標(biāo)是發(fā)現(xiàn)數(shù)據(jù)集中隱藏的有趣關(guān)聯(lián)關(guān)系。關(guān)聯(lián)規(guī)則的研究已進(jìn)入到各領(lǐng)域,出現(xiàn)了種類(lèi)多樣的數(shù)據(jù)類(lèi)型,如數(shù)量型、類(lèi)別型等。采用一般的規(guī)則提取模型對(duì)此類(lèi)屬性值進(jìn)行規(guī)則提取往往會(huì)引發(fā)問(wèn)題,有研究引入模糊的概念以解決此類(lèi)問(wèn)題。在模糊關(guān)聯(lián)規(guī)則提取中,先將樣本集轉(zhuǎn)換成模糊集,再對(duì)模糊集進(jìn)行規(guī)則提取。除數(shù)據(jù)類(lèi)型復(fù)雜多樣,還因龐大的數(shù)據(jù)量對(duì)關(guān)聯(lián)規(guī)則提取提出了更嚴(yán)苛的要求,例如I/O瓶頸、內(nèi)存等硬件資源的限制,并行關(guān)聯(lián)規(guī)

2、則提取已成為熱門(mén)研究課題。
　　由Kennedy等學(xué)者在1995年提出的粒子群優(yōu)化算法發(fā)展已近二十年,成為群體智能理論的重要組成部分。粒子群優(yōu)化算法具有概念簡(jiǎn)單清晰、實(shí)現(xiàn)方便快捷等優(yōu)勢(shì),被廣泛研究并應(yīng)用于經(jīng)濟(jì)、社會(huì)、生物等領(lǐng)域。
　　綜上,本文對(duì)關(guān)聯(lián)規(guī)則和粒子群優(yōu)化算法的概念、定義、研究現(xiàn)狀等進(jìn)行描述和分析,提出以粒子群優(yōu)化算法為搜索方法,對(duì)模糊關(guān)聯(lián)規(guī)則進(jìn)行提取的研究思路,并著重進(jìn)行如下工作內(nèi)容:
　　研究并改進(jìn)基本粒

3、子群優(yōu)化算法,提出基于可變搜索區(qū)域的自適應(yīng)粒子群優(yōu)化算法,并將其應(yīng)用于形狀誤差檢測(cè)。對(duì)粒子群優(yōu)化算法的基本概念、參數(shù)、性能等進(jìn)行學(xué)習(xí)和分析,針對(duì)種群在多峰函數(shù)極值搜索過(guò)程中搜索效率低、易陷入局部最優(yōu)解等缺陷,使用指數(shù)慣性權(quán)重、對(duì)稱(chēng)加速因子、動(dòng)態(tài)區(qū)域搜索等策略,提高種群的搜索性能。
　　通過(guò)對(duì)關(guān)聯(lián)規(guī)則提取框架、關(guān)聯(lián)規(guī)則經(jīng)典挖掘算法缺陷、粒子群優(yōu)化算法優(yōu)劣等方面的分析研究,將多變異算子與粒子群優(yōu)化算法相結(jié)合,提出基于多變異粒子群優(yōu)化算