基于遺傳編程的數(shù)據(jù)挖掘分類和聚類算法的研究與實踐.pdf

1、隨著人們生產(chǎn)和搜集數(shù)據(jù)的能力大幅度提高，迫切需要找到從現(xiàn)有數(shù)據(jù)庫系統(tǒng)/廣域網(wǎng)的大量數(shù)據(jù)中提取知識的手段。然而，目前人們分析數(shù)據(jù)、獲取知識的能力還不能與現(xiàn)有的組織、存儲和操作數(shù)據(jù)的技術(shù)相媲美。為了解決這個問題，產(chǎn)生了基于數(shù)據(jù)庫與數(shù)據(jù)倉庫系統(tǒng)的數(shù)據(jù)挖掘方法與技術(shù)。數(shù)據(jù)挖掘可以看作是信息技術(shù)自然演化的結(jié)果，從數(shù)據(jù)收集和數(shù)據(jù)庫的創(chuàng)建，到數(shù)據(jù)管理，再到高級數(shù)據(jù)分析。分類和聚類是數(shù)據(jù)挖掘的兩個重要過程，針對這兩個過程，人們已經(jīng)提出了許多算法，如：貝

2、葉斯分類、基于規(guī)則的分類、關(guān)聯(lián)分類、k均值聚類、層次聚類等。這些傳統(tǒng)的方法中普遍對用戶的相關(guān)領(lǐng)域知識有一定的要求，用戶對參數(shù)的輸入很大程度上影響了算法的結(jié)果。為了改進這個問題，使數(shù)據(jù)挖掘任務(wù)能夠自動的進行，人們提出了基于進化算法的數(shù)據(jù)挖掘算法。遺傳編程是進化算法的一個分支，其主要思想來源于生物的進化。NilsAall Baricelli在1954年首先提出了遺傳編程。1980年，Stephen F.Smith發(fā)表了關(guān)于遺傳編程的實驗結(jié)果

3、。Nichael L.Cramer和Jurgen Schmidhuber分別于1985年和1987年發(fā)表論文提出了現(xiàn)代進化編程。John R.Koza對遺傳編程作出了重要的拓展，并在1992年發(fā)表論文指出，遺傳編程應(yīng)該被視為遺傳算法的一個分支而不是特例，John R.Koza被認為是遺傳編程的先驅(qū)。
　　 本文介紹了數(shù)據(jù)挖掘中分類和聚類的相關(guān)算法，并針對這些算法作了系統(tǒng)的分析，指出了這些算法的優(yōu)勢和不足。同時，文中對遺傳編程進行

4、了討論，詳細地闡述了遺傳編程的相關(guān)理論、方法以及技術(shù)。在此基礎(chǔ)上提出了基于遺傳編程的分類與聚類算法。在分類算法中，一個簇用一個邏輯公式表示，這個邏輯公式則由謂詞構(gòu)成。每一個遺傳編程個體則將該邏輯公式編碼為樹形結(jié)構(gòu)。本文提出的聚類算法基于層次聚類的思想，首先將數(shù)據(jù)集劃分為若干個簇，然后對簇進行合并。但是層次聚類的一個缺點是一旦某一部做出決定，那么以后就不能更改。這導(dǎo)致了聚類結(jié)果有很大的偶然性。同時，一開始劃分的若干個簇并不一定合適。因此，