收藏本站
《华中师范大学》 2013年
收藏 | 手机打开
二维码
手机客户端打开本文

PSO-SA算法的改进及其在关联规则挖掘中的应用研究

金涛  
【摘要】:关联规则挖掘算法是数据挖掘中最核心部分之一,传统的挖掘算法已经难于适用于当前数据量的挖掘。人们都在尝试使用新的智能算法,如遗传算法、粒子群算法、鱼群算法等来挖掘关联规则。本文结合粒子群和模拟退火两种算法的优点,将两种算法混合在一起,使用改进的混合模拟退火粒子群算法。由于粒子群算法在寻找最优解时很容易陷入局部最优解的情况,使得在解决实际问题时,往往求出的解是非全局最优解,由于模拟退火算法在执行过程中能够以一定的概率接受差解,所以它能够很好的避免算法陷入局部最优解。那么本文将模拟退火算法和粒子群算法相结合后,在基本粒子群算法中引入模拟退火算法的Metropolis准则。算法实现粒子在更新自身最好位置、群体最好位置及自身当前位置时能够有一定概率接受差解,这样能很好避免粒子陷入局部最优位置。本文将改进混合算法运用到关联规则挖掘中,采用实数编码的方式来设定粒子,并且选择了合适的评价函数。最后通过挖掘高校应届研究生就业情况的关联规则为实际例子,并和遗传模拟退火算法(GA-SA)、标准PSO算法进行了对比,证明了该混合算法在关联规则挖掘中的可行性及优越性。最后针对挖掘出的关联规则,对以后的研究生在就业方面提出了一些建议。本文的主要研究内容如下: (1)介绍了数据挖掘及关联规则挖掘概念,并分析了基本挖掘算法的优缺点,详细描述了粒子群算法和模拟退火算法的实现过程及它们各自的优缺点。 (2)描述本文混合模拟退火粒子群算法实现过程。在基本粒子群算法中,在更新粒子的自身最好位置和群体最好位置时,引入了Metropolis准则,并且将原先的群体最好位置用两个量来记录;接着在更新每个粒子的位置和速度时,再次引入Metropolis准则,两处使用Metropolis准则可以从单个粒子和整个群体两个角度出发,防止算法陷入局部最优解。将本文改进的混合算法与其他文献中的混合算法、标准PSO算法进行函数测试对比。 (3)将改进混合模拟退火粒子群算法运用到关联规则挖掘中,以研究生就业的关联规则挖掘为实际例子。对比GA-SA算法、标准PSO算法在相同条件下的挖掘情况,证明了该改进混合算法在关联规则挖掘中的可行性。
【学位授予单位】:华中师范大学
【学位级别】:硕士
【学位授予年份】:2013
【分类号】:TP311.13;TP18

【相似文献】
中国期刊全文数据库 前10条
1 张勇,杨玲;一个不需要产生候选集频繁集挖掘算法的研究[J];吉林农业大学学报;2003年03期
2 侯翔;;基于PSO-SA的多目标跟踪数据关联算法研究[J];计算机测量与控制;2014年02期
3 周虹;马丽丽;;一种改进的Apriori算法[J];佳木斯大学学报(自然科学版);2007年04期
4 王伟勤;钟敬堂;;对Apriori算法的一种改进[J];佛山科学技术学院学报(自然科学版);2007年02期
5 曹路舟;;Apriori算法在高职院校贫困生认定工作中的应用[J];池州学院学报;2012年06期
6 刘博;郑启伦;彭宏;;基于关联图的频集快速发现算法[J];计算机工程与设计;2006年17期
7 张海英,浦磊,潘永湘;一种自适应快速关联规则挖掘算法[J];计算机工程与应用;2005年28期
8 谈恒贵;王文杰;李克双;;频繁项集挖掘算法综述[J];计算机仿真;2005年11期
9 韩天鹏;宋中山;;Apriori算法的改进[J];电脑知识与技术(学术交流);2007年04期
10 徐中华;王君;李世祥;;一种优化的Apriori算法[J];软件导刊;2005年13期
中国重要会议论文全文数据库 前10条
1 杨子良;陶宏才;;一种基于向量运算的频繁项集快速挖掘算法[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集(上册)[C];2008年
2 金文;钱卫宁;周傲英;施伯乐;;一种新颖、高效、基于综合因素的聚类算法[A];第十六届全国数据库学术会议论文集[C];1999年
3 柴明亮;宋宝宇;王军;李连成;;一种新型的频集发现算法及其在LIMS中的应用[A];2007中国钢铁年会论文集[C];2007年
4 徐一;杨静;任志刚;杨迅幸;;基于学习的烟花算法[A];2018中国自动化大会(CAC2018)论文集[C];2018年
5 熊薇薇;吴怀宇;;一种改进的角点检测算法[A];中国计量协会冶金分会2009年年会论文集[C];2009年
6 陶丽;张自力;丁晓明;;一种适用于动态重构的联盟形成算法[A];2008年计算机应用技术交流会论文集[C];2008年
7 周龙;霍婷婷;;蚁群算法的发展及应用现状[A];第三届中国智能计算大会论文集[C];2009年
8 王翠茹;王少华;;关联规则经典算法的一种改进[A];中国通信学会第五届学术年会论文集[C];2008年
9 张兰平;;谈小学一年级算法多样化的优化[A];中华教育理论与实践科研论文成果选编(下)[C];2007年
10 杨红斌;;计划量算法的优化[A];第四届全国医院药剂科建设与管理学术研讨会论文集[C];2012年
中国重要报纸全文数据库 前10条
1 眉间尺;比算法推荐更重要的是确认眼神[N];科技日报;2018年
2 陈航辉;切勿陷入算法迷信[N];解放军报;2019年
3 西南政法大学行政法学院 邬蕾;算法与法秩序的重塑[N];中国社会科学报;2019年
4 曾子林 邹力;谨防智能化作战的算法误区[N];解放军报;2019年
5 吴学安;要注意算法中存在的法律隐患[N];中国审计报;2019年
6 沈东坡;致命的“算法”[N];滨海时报;2017年
7 刘振;“成于算法”当警惕“败于算法”[N];安徽日报;2018年
8 中国信息通信研究院产业与规划研究所 李曼 谢智刚;算法升级加快数字经济发展步伐[N];人民邮电;2018年
9 孙益武;算法也应接受法律的审视[N];民主与法制时报;2018年
10 刘文龙;“算法”只是工具 可以运用但别依赖[N];解放日报;2018年
中国博士学位论文全文数据库 前10条
1 张捷;进化算法及智能数据挖掘若干问题研究[D];西安电子科技大学;2013年
2 田野;粒子群优化算法及其应用研究[D];吉林大学;2010年
3 蔡泽凡;仿生优化群算法及应用研究[D];华南理工大学;2017年
4 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年
5 王艳娇;人工蜂群算法的研究与应用[D];哈尔滨工程大学;2013年
6 李美安;普适分布式互斥算法及应用[D];电子科技大学;2007年
7 王小根;粒子群优化算法的改进及其在图像中的应用研究[D];江南大学;2009年
8 张毅;群智能算法的改进及其在相关领域中的应用[D];吉林大学;2009年
9 刘婷;改进人工蜂群算法及其在多用户检测中的应用[D];天津大学;2013年
10 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年
中国硕士学位论文全文数据库 前10条
1 金涛;PSO-SA算法的改进及其在关联规则挖掘中的应用研究[D];华中师范大学;2013年
2 周虹;基于自适应粒子群的k-中心聚类算法研究[D];长沙理工大学;2012年
3 熊金芬;一种高效频繁项集挖掘算法的研究[D];哈尔滨工程大学;2006年
4 吴永胜;云环境下的关联规则挖掘算法研究[D];浙江工商大学;2015年
5 宋娟;生物识别技术中的智能算法[D];湖南师范大学;2007年
6 王萌;基于粗糙集的聚类算法及应用研究[D];广西大学;2008年
7 孙俊;关联规则挖掘算法研究与改进[D];江南大学;2016年
8 冯雯;关联规则挖掘算法的研究和设计[D];四川大学;2004年
9 钱伟强;一种基于改进粒子群和K均值结合的聚类算法[D];西安电子科技大学;2011年
10 张勇;完全频繁项集挖掘算法及其在分类中应用研究[D];大连理工大学;2009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
  • 010-62791813
  • 010-62985026