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

1、關聯(lián)規(guī)則提取是數(shù)據(jù)挖掘中重要組成部分,其目標是發(fā)現(xiàn)數(shù)據(jù)集中隱藏的有趣關聯(lián)關系。關聯(lián)規(guī)則的研究已進入到各領域,出現(xiàn)了種類多樣的數(shù)據(jù)類型,如數(shù)量型、類別型等。采用一般的規(guī)則提取模型對此類屬性值進行規(guī)則提取往往會引發(fā)問題,有研究引入模糊的概念以解決此類問題。在模糊關聯(lián)規(guī)則提取中,先將樣本集轉換成模糊集,再對模糊集進行規(guī)則提取。除數(shù)據(jù)類型復雜多樣,還因龐大的數(shù)據(jù)量對關聯(lián)規(guī)則提取提出了更嚴苛的要求,例如I/O瓶頸、內存等硬件資源的限制,并行關聯(lián)規(guī)

2、則提取已成為熱門研究課題。
　　由Kennedy等學者在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)化算法具有概念簡單清晰、實現(xiàn)方便快捷等優(yōu)勢,被廣泛研究并應用于經濟、社會、生物等領域。
　　綜上,本文對關聯(lián)規(guī)則和粒子群優(yōu)化算法的概念、定義、研究現(xiàn)狀等進行描述和分析,提出以粒子群優(yōu)化算法為搜索方法,對模糊關聯(lián)規(guī)則進行提取的研究思路,并著重進行如下工作內容:
　　研究并改進基本粒

3、子群優(yōu)化算法,提出基于可變搜索區(qū)域的自適應粒子群優(yōu)化算法,并將其應用于形狀誤差檢測。對粒子群優(yōu)化算法的基本概念、參數(shù)、性能等進行學習和分析,針對種群在多峰函數(shù)極值搜索過程中搜索效率低、易陷入局部最優(yōu)解等缺陷,使用指數(shù)慣性權重、對稱加速因子、動態(tài)區(qū)域搜索等策略,提高種群的搜索性能。
　　通過對關聯(lián)規(guī)則提取框架、關聯(lián)規(guī)則經典挖掘算法缺陷、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)化算法相結合,提出基于多變異粒子群優(yōu)化算