基于遗传算法的数据挖掘技术的研究

来源 :中南大学 | 被引量 : 0次 | 上传用户:shabi12345678
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
遗传算法是一种非常通用的优化算法,其编码技术和遗传操作比较简单,对优化问题的限制性条件要求很低,具有很强的并行性和全局搜索能力。它能解决很多类实际问题,目前已经在机器学习、模式识别、图像处理、优化控制、组合优化和管理决策等领域得到了很好的应用。因此对遗传算法进行全面的、深入的研究具有重要的意义。   在本论文里,主要针对遗传算法在数据挖掘领域中的应用进行研究,所做的工作的主要有:   (1)总结近年来数据挖掘和遗传算法的研究与应用现状。对数据挖掘进行了概述,简单介绍了什么是数据挖掘,为什么要数据挖掘,如何进行数据挖掘以及数据挖掘的主要过程,阐明了数据挖掘和遗传算法的产生与发展以及他们的相互结合。   (2)介绍了数据挖掘中的一个重要算法——遗传算法,对遗传算法主要理论进行了简要的介绍,讨论了遗传算法的编码方法、遗传算子的设计和适应度函数的构造,并把算法运用在数据挖掘技术中。提出改进的遗传算法及对其代码的基本实现。介绍了遗传算法在数据挖掘中的一些应用,提出了基于遗传算法的关联规则的提取方法,讨论了关联规则的Apriori算法。   (3)给出了用遗传算法进行关联规则挖掘的实例,并讨论了遗传算法所面临的问题与挑战。遗传算法,作为一种新生事物,刚一面世,就展现了强大的生命力和广阔的发展空间。尽管遗传算法仍然存在一些不足和缺陷,但随着算法的不断改进、应用领域的不断拓宽和基础理论研究的不断完善,它在科学研究和实际应用中所起的作用将会越来越大。   对算法应用的数据测试和性能分析表明,改进算法具有计算效率高、稳定性好等优点,可以用来获得全局最优解。  
其他文献
本文主要研究由Bochner-Riesz算子生成的极大多线性交换子B(-bδ),*在一些函数空间上的有界性,这些空间有Lebesgue空间、Besov空间、Morrey空间、加权Lipschitz空间。   首
在这篇文章中,我们研究了下列两类方程解的存在性:   在(0.1)中,Ω∈RN足具有光滑边界的有界开集,(?)Ω,p,q>1,λ>0,且F:Ω×R×R→R是一个可测函数,关于第二和第三个变量Lipshitz
本文研究求解单螺杆挤出机(SSE)流体流动的三维区域变换算法。单螺杆挤出机是聚合物加工等的重要设备,对其流体流动的数值计算研究是热点问题。数值计算的主要难点是流动区域非常复杂,它的截面为双连通区域。针对求解区域的时变性和复杂性,本文利用共形映射将不规则的双连通区域转化为同心圆环,继而构建三维的变换,将复杂的求解区域变为规则的圆环柱体区域,从而可以大大简化问题的计算。数值结果表明此方法简单有效。本文