基于混合蟻群算法的關(guān)聯(lián)規(guī)則挖掘研究.pdf

1、信息過載現(xiàn)象的發(fā)生，使得用戶需要花費(fèi)大量時(shí)間篩選有用信息，這無疑會大大降低用戶體驗(yàn)。個性化推薦技術(shù)的出現(xiàn)，成為解決該問題的有效措施。關(guān)聯(lián)規(guī)則挖掘作為當(dāng)前運(yùn)用較為成功的個性化推薦技術(shù)，受到眾多研究者的青睞。本文針對個性化推薦準(zhǔn)確性較低的問題，提出了基于混合蟻群粒子群算法(ACO-MPSO算法)的關(guān)聯(lián)規(guī)則挖掘方法，旨在挖掘出質(zhì)量更好的強(qiáng)關(guān)聯(lián)規(guī)則，以提高個性化推薦結(jié)果的準(zhǔn)確性。ACO-MPSO算法是在對基于蟻群算法、PSO算法的關(guān)聯(lián)規(guī)則挖掘方

2、法進(jìn)行研究的基礎(chǔ)上提出來的，其主要思想是利用PSO算法挖掘結(jié)果對蟻群算法的初始信息素濃度進(jìn)行確定，以減少蟻群算法的盲目性，并引入Metropolis機(jī)制，避免早熟現(xiàn)象的發(fā)生。
　　本文對ACO-MPSO算法的執(zhí)行過程進(jìn)行了詳細(xì)設(shè)計(jì)，并以某超市的購物記錄為數(shù)據(jù)來源，以算法執(zhí)行時(shí)間、強(qiáng)關(guān)聯(lián)規(guī)則質(zhì)量為評價(jià)指標(biāo)，將ACO-MPSO算法與經(jīng)典Apriori算法、PSO算法、蟻群算法以及混合模擬退火粒子群算法在關(guān)聯(lián)規(guī)則挖掘問題上進(jìn)行了實(shí)驗(yàn)對比