發(fā)布時(shí)間：2018-07-13 18:37

【摘要】：聚類分析和關(guān)聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘技術(shù)的重要研究方向,一直受到國(guó)內(nèi)外專家學(xué)者的青睞。本文重點(diǎn)探討模糊C均值聚類算法(FuzzyC-means, FCM)和Apriori關(guān)聯(lián)規(guī)則挖掘算法。主要工作如下:1.提出基于果蠅算法的自適應(yīng)KFCM聚類方法FCM算法引入模糊隸屬度使其更加適合實(shí)際應(yīng)用,如今,已成為應(yīng)用廣泛的聚類算法之一。然而,傳統(tǒng)的FCM聚類算法在實(shí)際應(yīng)用中亦存在局限,如算法對(duì)初始值敏感、易陷入局部極小值且易受到數(shù)據(jù)分布和模糊度參數(shù)的影響等。針對(duì)算法局限性,提出基于果蠅優(yōu)化算法的自適應(yīng)核模糊C均值聚類方法(FOAKFCM)。首先運(yùn)用高斯核函數(shù)對(duì)FCM算法的目標(biāo)函數(shù)進(jìn)行優(yōu)化,旨在將離散屬性數(shù)據(jù)從低維特征空間變換至高維特征空間,擴(kuò)大特征間差異。之后利用果蠅優(yōu)化算法的迭代過程代替KFCM算法的迭代過程。接著引入聚類有效性評(píng)價(jià)指標(biāo)MIA對(duì)基于核的FCM算法(KFCM)的模糊度參數(shù)自適應(yīng)的選取。實(shí)驗(yàn)結(jié)果表明,該算法提高了 FCM算法的聚類精度,聚類效果更佳。2.提出基于位置存儲(chǔ)的Apriori算法Apriori算法現(xiàn)應(yīng)用于多個(gè)領(lǐng)域,它是早期的關(guān)聯(lián)規(guī)則經(jīng)典算法,提出之時(shí)成功處理了頻繁項(xiàng)集產(chǎn)生時(shí)的組合爆炸問題,然而Apriori算法亦出現(xiàn)由于多次掃描數(shù)據(jù)庫產(chǎn)生大量候選項(xiàng)集而導(dǎo)致時(shí)間和空間浪費(fèi)的問題。針對(duì)該問題,一種基于矩陣位置存儲(chǔ)的Apriori算法(L-Apriori)被提出。首先,掃描數(shù)據(jù)庫構(gòu)造矩陣,而后對(duì)矩陣中非零元素位置坐標(biāo)進(jìn)行數(shù)組變換生成候選項(xiàng)集并在位置坐標(biāo)中不斷刪除無用冗余項(xiàng)集,進(jìn)行動(dòng)態(tài)剪枝實(shí)現(xiàn)對(duì)數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘,減少運(yùn)行時(shí)間和空間。測(cè)試結(jié)果表明,本文提出的算法可以有效減少算法運(yùn)行消耗的時(shí)間和空間,提高了 Apriori算法的挖掘性能。3. FOAKFCM算法和L-Apriori算法的應(yīng)用將所提出的兩種算法進(jìn)行結(jié)合,應(yīng)用到模糊關(guān)聯(lián)規(guī)則的挖掘中。首先利用提出的基于果蠅算法的自適應(yīng)KFCM算法(FOAKFCM)對(duì)數(shù)值型數(shù)據(jù)進(jìn)行預(yù)處理,得到模糊分區(qū)和各數(shù)據(jù)隸屬度,之后運(yùn)用改進(jìn)后的Apriori算法L-Apriori算法對(duì)離散化后的數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘。實(shí)驗(yàn)結(jié)果表明,挖掘出的關(guān)聯(lián)規(guī)則均具有強(qiáng)關(guān)聯(lián)性,驗(yàn)證了所提出的模糊關(guān)聯(lián)規(guī)則挖掘方案的可行性和有效性。
[Abstract]:Clustering analysis and association rule mining is the important research direction of the data mining technology , which has been favored by experts and scholars both at home and abroad . The main work is as follows : 1 . The algorithm improves the clustering accuracy and clustering effect of FCM algorithm . The results show that the algorithm can reduce the time and space of the algorithm and improve the mining performance of Apriori algorithm . The application of the FOAKFCM algorithm and the L - Apriori algorithm combines the proposed two algorithms into the mining of fuzzy association rules . Firstly , using the proposed algorithm - based adaptive KFCM algorithm ( FOAKFCM ) to pre - process the numerical data , the fuzzy partition and the data membership degree are obtained . Then , the modified Apriori algorithm L - Apriori algorithm is applied to mining the discrete data . The experimental results show that the mining association rules have strong correlation , and the feasibility and effectiveness of the proposed fuzzy association rule mining scheme are verified .
【學(xué)位授予單位】：西安理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP311.13;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李溢龍;李曉紅;薛存金;林孝松;;一種基于事件的海洋關(guān)聯(lián)規(guī)則挖掘方法[J];應(yīng)用科學(xué)學(xué)報(bào);2016年04期

2 張偉科;;一種改進(jìn)的AprioriTid算法[J];沈陽工業(yè)大學(xué)學(xué)報(bào);2016年03期

3 趙學(xué)健;孫知信;袁源;;基于預(yù)判篩選的高效關(guān)聯(lián)規(guī)則挖掘算法[J];電子與信息學(xué)報(bào);2016年07期

4 李志杰;李元香;王峰;何國(guó)良;匡立;;面向大數(shù)據(jù)分析的在線學(xué)習(xí)算法綜述[J];計(jì)算機(jī)研究與發(fā)展;2015年08期

5 樸尚哲;超木日力格;于劍;;模糊C均值算法的聚類有效性評(píng)價(jià)[J];模式識(shí)別與人工智能;2015年05期

6 王琳;張永健;鐘詩勝;劉金山;;基于二進(jìn)制粒子群優(yōu)化的衛(wèi)星典型件工藝知識(shí)挖掘[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年01期

7 朱軍;胡文波;;貝葉斯機(jī)器學(xué)習(xí)前沿進(jìn)展綜述[J];計(jì)算機(jī)研究與發(fā)展;2015年01期

8 周世波;徐維祥;柴田;;基于數(shù)據(jù)加權(quán)策略的模糊C均值聚類算法[J];系統(tǒng)工程與電子技術(shù);2014年11期

9 張少敏;趙碩;王保義;;基于云計(jì)算和量子粒子群算法的電力負(fù)荷曲線聚類算法研究[J];電力系統(tǒng)保護(hù)與控制;2014年21期

10 吳大鵬;趙瑩;熊余;劉曉清;王汝言;;基于小波神經(jīng)網(wǎng)絡(luò)的告警信息相關(guān)性挖掘策略[J];電子與信息學(xué)報(bào);2014年10期

相關(guān)博士學(xué)位論文 前5條

1 董林;時(shí)空關(guān)聯(lián)規(guī)則挖掘研究[D];武漢大學(xué);2014年

2 周開樂;模糊C均值聚類及其有效性檢驗(yàn)與應(yīng)用研究[D];合肥工業(yè)大學(xué);2014年

3 Vital Delmas MABONZO;大型數(shù)據(jù)庫有效挖掘關(guān)聯(lián)規(guī)則新方法研究[D];大連海事大學(xué);2012年

4 何月順;關(guān)聯(lián)規(guī)則挖掘技術(shù)的研究及應(yīng)用[D];南京航空航天大學(xué);2010年

5 佟強(qiáng);科學(xué)數(shù)據(jù)網(wǎng)格中數(shù)據(jù)挖掘技術(shù)研究[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2006年

，

本文編號(hào)：2120377