一种基于改进遗传算法的关联规则挖掘及应用研究

发布时间：2017-10-04 02:32

  本文关键词：一种基于改进遗传算法的关联规则挖掘及应用研究

  更多相关文章： 关联规则 遗传算法 改进遗传算法 用户评价

【摘要】：随着互联网和电子商务的飞速发展,信息化、数据化成为这个时代的特征。各个行业的数据库中都储存了大量数据信息,这些数据中包含了许多有价值的信息,而关联规则挖掘就是从大量的数据信息中挖掘隐藏的、有价值的关联关系,为决策者做出明智的决策提供有力依据的一种挖掘工具。。而关联规则挖掘经典算法——Apriori算法,在数据信息量庞大的情况下,效率低,运行时间长,为了弥补Apriori算法的不足,本文引入全局搜索算法——遗传算法,针对遗传算法容易产生局部最优解的缺点,对遗传算法进行改进,提出了一种基于改进遗传算法的关联规则挖掘算法,并通过对比实验,验证该算法的优越性,最后将算法应用到某商务网站交易数据和评价数据中,验证算法的实用性,挖掘商务网站大量数据中有价值的信息。本文主要工作如下:(1)关联规则挖掘研究:深入研究了关联规则挖掘算法,详细阐述了关联规则挖掘的经典算法——Apriori算法,分析常用关联规则挖掘算法的优缺点,提出一种用遗传算法对关联规则挖掘改进的思想。(2)遗传算法研究:全面介绍了遗传算法的相关概念和基本思想,详细比较分析了多种编码方法、适应度函数的构造方法、遗传算子的设计,提出一种改进遗传算法,并对改进遗传算法的步骤流程做了详细的解释说明。(3)一种基于改进遗传算法的关联规则挖掘研究:设计了一种基于改进遗传算法的关联规则挖掘算法,并利用MATLAB对改进遗传算法、遗传算法、Apriori算法挖掘关联规则进行对比实验,从挖掘的关联规则数目、处理不同数据集的运行时间以及挖掘不同支持度阈值关联规则的运行时间上验证了本文设计的改进遗传算法挖掘关联规则的优越性。(4)基于改进遗传算法的关联规则挖掘应用:将基于改进遗传算法的关联规则挖掘应用于某商务网站中,通过挖掘商务网站交易数据,发现买家购买商品之间的关联关系;挖掘商品评价数据,发现买家对不同类型商品以及同种商品价格对评价的影响,根据挖掘到的关联规则,针对现有的信用评价模型进行改进,从而为卖家制定优质的营销策略、改善网站结构、提高销售额提供有价值的信息。
【关键词】：关联规则 遗传算法 改进遗传算法 用户评价
【学位授予单位】：兰州财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TP311.13
【目录】：

• 摘要4-5
• Abstract5-10
• 1 绪论10-19
• 1.1 选题背景及意义10-11
• 1.2 研究现状11-16
• 1.2.1 关联规则挖掘方向的研究现状11-13
• 1.2.2 遗传算法应用于关联规则挖掘方向的研究现状13-15
• 1.2.3 关联规则挖掘的应用方向的研究现状15-16
• 1.3 文章创新点16-17
• 1.4 文章结构安排17-19
• 2 关联规则挖掘19-30
• 2.1 关联规则挖掘基本概念19-21
• 2.2 关联规则挖掘的分类21-22
• 2.3 关联规则挖掘算法22-30
• 2.3.1 关联规则挖掘算法的步骤22-23
• 2.3.2 常用算法概述23-24
• 2.3.3 Apriori算法24-30
• 3 遗传算法及其改进算法30-43
• 3.1 遗传算法概述30-31
• 3.1.1 基本思想30
• 3.1.2 遗传算法的基础术语30-31
• 3.2 遗传算法的基本实现技术31-37
• 3.2.1 遗传算法的基本流程31-32
• 3.2.2 编码方法32-33
• 3.2.3 适应度函数33-34
• 3.2.4 选择算子34
• 3.2.5 交叉算子34-36
• 3.2.6 变异算子36
• 3.2.7 遗传算法参数设定36-37
• 3.3 改进遗传算法37-43
• 3.3.1 改进编码方法37-38
• 3.3.2 改进适应度函数38-40
• 3.3.3 改进选择算子40-41
• 3.3.4 改进交叉算子41-42
• 3.3.5 改进变异算子42-43
• 4 一种基于改进遗传算法的关联规则挖掘43-52
• 4.1 基于改进遗传算法的关联规则挖掘研究43-47
• 4.1.1 利用改进遗传算法进行关联规则挖掘的思想43
• 4.1.2 基于改进遗传算法的关联规则挖掘算法描述43-45
• 4.1.3 基于改进遗传算法的关联规则挖掘基本流程图45
• 4.1.4 基于改进遗传算法的关联规则挖掘算法详解45-47
• 4.2 算法对比实验47-52
• 5 基于改进遗传算法的关联规则挖掘在商务网站中的应用52-75
• 5.1 商务网站数据信息的潜在价值52
• 5.2 在商务网站交易信息中的应用52-61
• 5.2.1 商务网站交易信息的重要性52-53
• 5.2.2 数据准备53-55
• 5.2.3 数据预处理55-59
• 5.2.4 实现过程59-60
• 5.2.5 结果分析60-61
• 5.3 在商务网站商品评价信息中的应用61-75
• 5.3.1 商务网站商品评价体系的重要性61-63
• 5.3.2 源数据收集及数据预处理63-66
• 5.3.3 评价信息挖掘规则及结果分析66-69
• 5.3.4 改进信用评价模型69-75
• 6 总结与展望75-77
• 6.1 总结75
• 6.2 展望75-77
• 参考文献77-83
• 附录83-90
• 致谢90-91
• 攻读硕士学位期间发表的论文及科研情况91

【参考文献】

中国期刊全文数据库 前10条

1 胡淑新;李长云;吴岳忠;;改进Apriori算法在高校学生信息系统中的应用研究[J];电子设计工程;2015年23期

2 范柯婵;张聪群;;电子商务环境下消费者网络评价影响因素研究[J];科技与管理;2015年02期

3 黄毅杰;张艺雪;;基于遗传算法的关联规则挖掘研究[J];九江学院学报(自然科学版);2014年03期

4 戴小廷;;关联规则数据挖掘算法及其在智能物流中的应用分析[J];科技和产业;2014年02期

5 李广霞;;基于遗传算法的关联规则挖掘[J];石家庄职业技术学院学报;2013年04期

6 谭阳;陈琳;;遗传算法在关联规则挖掘上的应用[J];湖南广播电视大学学报;2013年02期

7 朱婵;;基于遗传算法的新书推荐系统研究[J];现代计算机(专业版);2012年21期

8 潘俊辉;王辉;;一种基于改进的遗传算法的关联规则挖掘及应用[J];齐齐哈尔大学学报(自然科学版);2011年02期

9 刘伟;朱珍民;蒋发群;叶剑;苏晓丽;;普适计算中一种最优服务选择算法的设计与仿真[J];计算机应用研究;2010年03期

10 邓春燕;;遗传算法的交叉算子分析[J];农业网络信息;2009年05期

，

本文编号：968165