收藏本站
《山东师范大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

基于微粒群算法的关联规则挖掘方法及应用

王晓敏  
【摘要】: 近十几年来,数据挖掘技术有了长足的进步,这是快速增长的数据量和日益贫乏的信息量之间矛盾运动的必然结果。关联规则是数据挖掘的重要模式之一,在商业决策方面有着极其重要的应用价值。Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题,关联规则研究有助于发现交易数据库中不同商品(项)之间的联系,找出顾客购买行为模式。 微粒群优化算法(PSO)是由Kennedy和Eberhart于1995年提出的一种基于迭代的优化算法,作为群体智能的典型代表,它原理简单、参数少、收敛速度较快并且算法程序实现简单,已被证明是一种行之有效的全局优化方法,表现出了很大的潜力。 金融数据包含了证券交易过程中的实时信息,能够准确地捕捉到证券市场发生的变化过程。通过数据挖掘技术挖掘这些股票数据之间的关联规则,有利于投资者了解各种股票的走势及股票之间的关系,从而做出正确的投资决策。 本文对微粒群算法进行了较为系统地分析和研究,提出了基于动态自适应群体的多种群PSO的改进算法,并将此算法应用到关联规则挖掘中,运用微粒群算法的优势加快挖掘过程,提高挖掘效率,然后将其应用于股票数据,挖掘隐藏在股票数据中的潜在规则,通过实例分析,证明是一种具有实用价值的方法。本文主要包括以下内容: 1、提出了一种基于动态自适应群体的多种群PSO的改进算法。 在此算法中,把微粒随机初始化为n个种群,通过计算每个种群Pg的变化量来动态的调整种群的规模。若某个种群Pg连续多代不发生变化时(或者变化极小),此时就减少进入这个种群的微粒的数量,若某个种群Pg一直处于变化的状态,那么就增加进入这个种群的微粒的数量。对于所有种群来说也是同样的道理,通过计算每个种群的最好位置与所有种群的最好位置的变化量来动态的调整种群的规模,这样就在一定程度上避免个体信息陷入局部最优的危险。 2、提出了一种基于微粒群算法的关联规则挖掘算法。 在本算法中编码方法采用实数编码方式,用一个正整数表示被关联的属性值,微粒群中的微粒由一个实数串来表示,采用实数数组编码后的算法操作就成了对数组的操作。算法中采用两个协同微粒群,属性微粒群和规则微粒群,分别用来挖掘具有最小支持度的频繁项集和由频繁项集产生强关联规则,这样就把关联规则挖掘的两个阶段结合在一起,无须先挖掘出全部频繁项目集然后再提取规则,每个微粒群中通过设定不同的适应度函数来实现。算法只需要扫描一次数据库,在求解的效率和运行时间上有较好的性能。 3、实现了基于PSO的关联规则挖掘算法在股票分析预测中的应用。 目前对于股票数据挖掘的方法大多都是采用Apriori挖掘算法或者其改进算法,虽然可以挖掘到一些规则,但是无法避免Apriori系列算法的固有缺点,而且挖掘到的规则的数量也有限。将基于微粒群算法关联挖掘方法应用于海量股票数据中,通过对原始的股票数据进行处理,不仅可以挖掘出含在交易数据背后的潜在规则,同时也验证了算法的有效性,算法挖掘效率比较高,挖掘到的规则也比较全面。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 熊鹰;周树民;祁辉;;一种新型的求解约束优化问题的微粒群算法[J];广东广播电视大学学报;2006年03期
2 曾祥光;张玲玲;;基于微粒群算法优化PID参数研究[J];机械设计与制造;2007年04期
3 初永玲;李绍春;;数据挖掘中关联规则挖掘算法的探讨与研究[J];科技信息(科学教研);2008年16期
4 朱慧爽;;数据挖掘在纺织高校科研管理系统中的应用[J];山东纺织经济;2008年03期
5 王元元;曾建潮;谭瑛;;基于BSP并行计算模型的并行微粒群算法[J];计算机应用与软件;2008年08期
6 赵艳丽;张晓华;魏权利;;一种基于改进型遗传算法的关联规则挖掘方法[J];计算机与信息技术;2008年11期
7 吴宁;柏春霞;祝毅博;;一种应用关联规则森林的改进贝叶斯分类算法[J];西安交通大学学报;2009年02期
8 吴海峰;胡学钢;;关联规则在高校学位预警中的应用[J];安庆师范学院学报(自然科学版);2009年01期
9 张丽;;关联规则挖掘研究[J];赤峰学院学报(自然科学版);2009年05期
10 张志彦;李俊峰;;关联规则挖掘在学生成绩分析中的应用[J];科技和产业;2009年05期
11 沈良忠;;关联规则中Apriori算法的C#实现研究[J];电脑知识与技术;2009年13期
12 黄海燕;刘欣;;数据挖掘中的关联规则方法[J];软件导刊;2009年04期
13 黄海燕;刘欣;;数据挖掘中的关联规则方法[J];软件导刊;2009年05期
14 陈伟;;Apriori算法的优化方法[J];计算机技术与发展;2009年06期
15 张春华;孙国春;;关联规则挖掘算法研究与实现[J];电脑编程技巧与维护;2009年S1期
16 王立平;黄斌;;基于数据挖掘技术的高校图书馆馆藏优化研究[J];萍乡高等专科学校学报;2009年03期
17 张兴洲;单修慧;;关联规则在装备保障中的应用[J];科学技术与工程;2009年22期
18 李波;张流洋;张黎明;;微粒群算法思想下蚁群算法的改进及在CTSP中的仿真实现[J];平顶山学院学报;2010年02期
19 张静;;关联规则在通信告警分析中的应用研究[J];信息与电脑(理论版);2011年05期
20 欧凤霞;王宗殿;;基于关联规则的数据挖掘技术在中医诊断中的应用[J];河南工程学院学报(自然科学版);2011年02期
中国重要会议论文全文数据库 前10条
1 谷姗姗;秦首科;胡大斌;周傲英;;面向关联规则挖掘的敏感规则隐藏技术[A];第二十一届中国数据库学术会议论文集(研究报告篇)[C];2004年
2 陈晓云;李泽霞;刘幸辉;彭文静;;关联规则挖掘过程中的模糊化方法研究[A];第十九届全国数据库学术会议论文集(技术报告篇)[C];2002年
3 张宇鹏;王丽珍;周丽华;;基于气象数据的关联规则挖掘[A];第十七届全国数据库学术会议论文集(研究报告篇)[C];2000年
4 王盛;董黎刚;李群;;一种基于逆序编码的关联规则挖掘研究[A];浙江省电子学会2010学术年会论文集[C];2010年
5 方芳;李建中;潘海为;;脑部医学图像中的关联规则挖掘[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
6 张鹏;于波;童云海;唐世渭;;基于随机响应的隐私保护关联规则挖掘[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
7 张仲楠;孙志挥;;关系数据库中限制性关联规则挖掘的优化[A];第十七届全国数据库学术会议论文集(研究报告篇)[C];2000年
8 李贝贝;乐嘉锦;;分布式环境下的隐私保护关联规则挖掘[A];第二十二届中国数据库学术会议论文集(研究报告篇)[C];2005年
9 杨晓雪;衡红军;;一种对XML数据进行关联规则挖掘的方法研究[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
10 周爱广;李玉忱;蒋志芳;曹璐;;基于HOLAP的关联规则挖掘[A];第十八届全国数据库学术会议论文集(技术报告篇)[C];2001年
中国重要报纸全文数据库 前1条
1 浙江省金华市烟草专卖局 满在明 廖明景;谈卷烟专卖案件信息的挖掘[N];东方烟草报;2011年
中国博士学位论文全文数据库 前10条
1 袁代林;改进的微粒群算法及其在结构拓扑优化中的应用[D];西南交通大学;2009年
2 崔志华;微粒群算法的性能分析与优化[D];西安交通大学;2008年
3 莫思敏;基于群体交互自组织种群结构的扩展微粒群算法研究[D];兰州理工大学;2012年
4 刘智;关联规则挖掘方法及其在冠心病中医诊疗中的应用研究[D];大连海事大学;2012年
5 何月顺;关联规则挖掘技术的研究及应用[D];南京航空航天大学;2010年
6 刘亚波;关联规则挖掘方法的研究及应用[D];吉林大学;2005年
7 毛宇星;关联规则挖掘在分类数据领域的扩展性研究[D];复旦大学;2010年
8 周皓峰;关联规则挖掘的拓展性研究[D];复旦大学;2003年
9 高飞;关联规则挖掘算法研究[D];西安电子科技大学;2001年
10 周鲜成;基于微粒群算法的数字图像处理方法研究[D];中南大学;2008年
中国硕士学位论文全文数据库 前10条
1 王晓敏;基于微粒群算法的关联规则挖掘方法及应用[D];山东师范大学;2010年
2 吕洪光;基于微粒群算法的装配序列规划方法及其应用研究[D];电子科技大学;2010年
3 朱家静;基于遗传微粒群算法的组卷策略应用研究[D];大连海事大学;2011年
4 魏欣;基于智能优化技术的创新概念设计研究与应用[D];山东师范大学;2010年
5 王伟伟;基于群体智能的关联规则挖掘及应用[D];山东师范大学;2007年
6 陈红洲;群体智能若干算法研究[D];哈尔滨工程大学;2004年
7 戴芬;基于量子计算技术的智能算法的研究与应用[D];山东师范大学;2010年
8 刘丁峰;基于改进微粒群算法的图像复原方法研究[D];中南民族大学;2010年
9 林令娟;模拟退火微粒群混合算法的研究及应用[D];山东师范大学;2010年
10 李凯;基于微粒群优化算法的结构系统识别[D];同济大学;2008年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978