基于微粒群算法的關(guān)聯(lián)規(guī)則挖掘方法及應(yīng)用.pdf

1、近十幾年來(lái)，數(shù)據(jù)挖掘技術(shù)有了長(zhǎng)足的進(jìn)步，這是快速增長(zhǎng)的數(shù)據(jù)量和日益貧乏的信息量之間矛盾運(yùn)動(dòng)的必然結(jié)果。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的重要模式之一，在商業(yè)決策方面有著極其重要的應(yīng)用價(jià)值。Agrawal等于1993年首先提出了挖掘顧客交易數(shù)據(jù)庫(kù)中項(xiàng)集間的關(guān)聯(lián)規(guī)則問(wèn)題，關(guān)聯(lián)規(guī)則研究有助于發(fā)現(xiàn)交易數(shù)據(jù)庫(kù)中不同商品(項(xiàng))之間的聯(lián)系，找出顧客購(gòu)買(mǎi)行為模式。
　　微粒群優(yōu)化算法(PSO)是由Kennedy和Eberhart于1995年提出的一種基于迭代的

2、優(yōu)化算法，作為群體智能的典型代表，它原理簡(jiǎn)單、參數(shù)少、收斂速度較快并且算法程序?qū)崿F(xiàn)簡(jiǎn)單，已被證明是一種行之有效的全局優(yōu)化方法，表現(xiàn)出了很大的潛力。
　　金融數(shù)據(jù)包含了證券交易過(guò)程中的實(shí)時(shí)信息，能夠準(zhǔn)確地捕捉到證券市場(chǎng)發(fā)生的變化過(guò)程。通過(guò)數(shù)據(jù)挖掘技術(shù)挖掘這些股票數(shù)據(jù)之間的關(guān)聯(lián)規(guī)則，有利于投資者了解各種股票的走勢(shì)及股票之間的關(guān)系，從而做出正確的投資決策。
　　本文對(duì)微粒群算法進(jìn)行了較為系統(tǒng)地分析和研究，提出了基于動(dòng)態(tài)自適應(yīng)群體的

3、多種群PSO的改進(jìn)算法，并將此算法應(yīng)用到關(guān)聯(lián)規(guī)則挖掘中，運(yùn)用微粒群算法的優(yōu)勢(shì)加快挖掘過(guò)程，提高挖掘效率，然后將其應(yīng)用于股票數(shù)據(jù)，挖掘隱藏在股票數(shù)據(jù)中的潛在規(guī)則，通過(guò)實(shí)例分析，證明是一種具有實(shí)用價(jià)值的方法。本文主要包括以下內(nèi)容:
　　1、提出了一種基于動(dòng)態(tài)自適應(yīng)群體的多種群PSO的改進(jìn)算法。
　　在此算法中，把微粒隨機(jī)初始化為n個(gè)種群，通過(guò)計(jì)算每個(gè)種群Pg的變化量來(lái)動(dòng)態(tài)的調(diào)整種群的規(guī)模。若某個(gè)種群Pg連續(xù)多代不發(fā)生變化時(shí)(或者

4、變化極小)，此時(shí)就減少進(jìn)入這個(gè)種群的微粒的數(shù)量，若某個(gè)種群Pg一直處于變化的狀態(tài)，那么就增加進(jìn)入這個(gè)種群的微粒的數(shù)量。對(duì)于所有種群來(lái)說(shuō)也是同樣的道理，通過(guò)計(jì)算每個(gè)種群的最好位置與所有種群的最好位置的變化量來(lái)動(dòng)態(tài)的調(diào)整種群的規(guī)模，這樣就在一定程度上避免個(gè)體信息陷入局部最優(yōu)的危險(xiǎn)。
　　2、提出了一種基于微粒群算法的關(guān)聯(lián)規(guī)則挖掘算法。
　　在本算法中編碼方法采用實(shí)數(shù)編碼方式，用一個(gè)正整數(shù)表示被關(guān)聯(lián)的屬性值，微粒群中的微粒由一個(gè)實(shí)

5、數(shù)串來(lái)表示，采用實(shí)數(shù)數(shù)組編碼后的算法操作就成了對(duì)數(shù)組的操作。算法中采用兩個(gè)協(xié)同微粒群，屬性微粒群和規(guī)則微粒群，分別用來(lái)挖掘具有最小支持度的頻繁項(xiàng)集和由頻繁項(xiàng)集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則，這樣就把關(guān)聯(lián)規(guī)則挖掘的兩個(gè)階段結(jié)合在一起，無(wú)須先挖掘出全部頻繁項(xiàng)目集然后再提取規(guī)則，每個(gè)微粒群中通過(guò)設(shè)定不同的適應(yīng)度函數(shù)來(lái)實(shí)現(xiàn)。算法只需要掃描一次數(shù)據(jù)庫(kù)，在求解的效率和運(yùn)行時(shí)間上有較好的性能。
　　3、實(shí)現(xiàn)了基于PSO的關(guān)聯(lián)規(guī)則挖掘算法在股票分析預(yù)測(cè)中的應(yīng)用。