遺傳模擬退火算法挖掘關聯(lián)規(guī)則的應用.pdf_第1頁
已閱讀1頁,還剩66頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、數(shù)據(jù)挖掘又稱為數(shù)據(jù)庫中知識發(fā)現(xiàn),就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)中,提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。關聯(lián)規(guī)則是數(shù)據(jù)挖掘眾多分析方法的一種,是揭示被隱藏在數(shù)據(jù)之間相互關系的一種數(shù)據(jù)挖掘任務。近年來由于數(shù)據(jù)挖掘的廣泛應用,數(shù)據(jù)庫的不斷更新和數(shù)據(jù)量的與日俱增,越來越多的的研究者除了對原有的算法不斷改進的同時還在尋找新的方法挖掘關聯(lián)規(guī)則,近年來已經證實了遺傳算法、粒子群優(yōu)化和神經

2、網絡都能夠準確的,有效的挖掘關聯(lián)規(guī)則,并且適用于各個領域的大數(shù)據(jù)集問題中。本文提出了遺傳模擬退火算法的關聯(lián)規(guī)則在拓展購物籃問題中的應用,通過大量課外問卷調查反饋回來的信息進行數(shù)據(jù)挖掘,從中提出很多關聯(lián)規(guī)則,這其中就包括一些隱含的、暫時沒有被發(fā)現(xiàn)和預測到的關聯(lián)關系。
   本文將模擬退火算法的優(yōu)點融入到遺傳算法的基礎上,避免了算法的局部尋優(yōu)能力弱的缺點,形成了遺傳模擬退火算法。并將該算法應用到關聯(lián)規(guī)則挖掘中,在設計計算的時候引入了

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論