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，數(shù)據(jù)挖掘技術(shù)有了長足的進(jìn)步，這是快速增長的數(shù)據(jù)量和日益貧乏的信息量之間矛盾運(yùn)動的必然結(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)用價值。Agrawal等于1993年首先提出了挖掘顧客交易數(shù)據(jù)庫中項(xiàng)集間的關(guān)聯(lián)規(guī)則問題，關(guān)聯(lián)規(guī)則研究有助于發(fā)現(xiàn)交易數(shù)據(jù)庫中不同商品(項(xiàng))之間的聯(lián)系，找出顧客購買行為模式。
　　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，它原理簡單、參數(shù)少、收斂速度較快并且算法程序?qū)崿F(xiàn)簡單，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)包含了證券交易過程中的實(shí)時信息，能夠準(zhǔn)確地捕捉到證券市場發(fā)生的變化過程。通過數(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及股票之間的關(guān)系，從而做出正確的投資決策。
　　本文對微粒群算法進(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)勢加快挖掘過程，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，通過實(shí)例分析，證明是一種具有實(shí)用價值的方法。本文主要包括以下內(nèi)容:
　　1、提出了一種基于動態(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個種群，通過計算每個種群Pg的變化量來動態(tài)的調(diào)整種群的規(guī)模。若某個種群Pg連續(xù)多代不發(fā)生變化時(或者

4、變化極小)，此時就減少進(jìn)入這個種群的微粒的數(shù)量，若某個種群Pg一直處于變化的狀態(tài)，那么就增加進(jìn)入這個種群的微粒的數(shù)量。對于所有種群來說也是同樣的道理，通過計算每個種群的最好位置與所有種群的最好位置的變化量來動態(tài)的調(diào)整種群的規(guī)模，這樣就在一定程度上避免個體信息陷入局部最優(yōu)的危險。
　　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實(shí)

5、數(shù)串來表示，采用實(shí)數(shù)數(shù)組編碼后的算法操作就成了對數(shù)組的操作。算法中采用兩個協(xié)同微粒群，屬性微粒群和規(guī)則微粒群，分別用來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)則挖掘的兩個階段結(jié)合在一起，無須先挖掘出全部頻繁項(xiàng)目集然后再提取規(guī)則，每個微粒群中通過設(shè)定不同的適應(yīng)度函數(shù)來實(shí)現(xiàn)。算法只需要掃描一次數(shù)據(jù)庫，在求解的效率和運(yùn)行時間上有較好的性能。
　　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)測中的應(yīng)用。