模式挖掘不僅是處理和分析數(shù)據(jù)的工具,更是揭示數(shù)據(jù)背后隱藏價(jià)值的關(guān)鍵手段。高平均效用項(xiàng)集挖掘(High average-utility itemset mining,HAUIM)作為高效用項(xiàng)集挖掘(High utility itemset mining,HUIM)的延伸,能夠更公平的評(píng)估項(xiàng)集的重要性而不受項(xiàng)集長(zhǎng)度的影響。隨著數(shù)據(jù)集規(guī)模的增長(zhǎng),傳統(tǒng)的精確算法在解決高平均效用項(xiàng)集問題時(shí)通常無法在可接受的時(shí)間內(nèi)枚舉完全部的項(xiàng)集從而得到解。演化計(jì)算(Evolutionary computation,EC)為解決該類復(fù)雜問題提供了一種全新的、高效的優(yōu)化方法。本文研究了更為高效的高平均效用項(xiàng)集挖掘方法和應(yīng)用場(chǎng)景更為廣泛的多目標(biāo)模式挖掘方法。 (1)現(xiàn)有的基于演化計(jì)算的高平均效用項(xiàng)集挖掘算法盡管解決了精確算法在性能上的瓶頸,但其在有限的時(shí)間內(nèi)往往只能得到部分解,算法容易陷入局部最優(yōu)。若想挖掘到絕大部分的解集會(huì)十分耗時(shí)。并且隨著用戶設(shè)定的平均閾值的減小,相對(duì)應(yīng)的高平均效用項(xiàng)集(High average-utility itemset,HAUI)的數(shù)量隨之增多,該問題會(huì)越來越突出。為了更高效的挖掘到高平均效...

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景及研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展動(dòng)態(tài)
        1.2.1 基于精確方法的高效用模式挖掘研究現(xiàn)狀
        1.2.2 基于精確方法的高平均效用模式挖掘研究現(xiàn)狀
        1.2.3 基于演化計(jì)算的高效用模式挖掘研究現(xiàn)狀
        1.2.4 基于演化計(jì)算的高平均效用模式挖掘研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容及組織結(jié)構(gòu)
        1.3.1 本文研究?jī)?nèi)容
        1.3.2 本文組織結(jié)構(gòu)
第二章 相關(guān)知識(shí)簡(jiǎn)介
    2.1 高效用模式挖掘
        2.1.1 高效用模式挖掘概念
        2.1.2 高效用模式挖掘算法介紹
    2.2 高平均效用模式挖掘
        2.2.1 高平均效用模式挖掘概念
        2.2.2 高平均效用模式挖掘算法介紹
    2.3 遺傳算法
        2.3.1 遺傳算法簡(jiǎn)介
        2.3.2 遺傳算法流程
    2.4 多目標(biāo)優(yōu)化
    2.5 NSGA-II 算法介紹
        2.5.1 快速非支配排序方法
        2.5.2 多樣性保持方法
        2.5.3 NSGA-II 算法主要流程
    2.6 本章小結(jié)
第三章 基于遺傳算法的高平均效用項(xiàng)集挖掘算法 HAUIM-GA
    3.1 引言
    3.2 HAUIM-GA 的總體流程
    3.3 種群初始化策略
    3.4 剪枝策略
    3.5 Hash策略
    3.6 提升支持度策略
    3.7 時(shí)間復(fù)雜度分析
    3.8 舉例說明
    3.9 實(shí)驗(yàn)結(jié)果和分析
        3.9.1 實(shí)驗(yàn)設(shè)置
        3.9.2 剪枝策略有效性的消融實(shí)驗(yàn)
        3.9.3 Hash策略有效性的消融實(shí)驗(yàn)
        3.9.4 支持度提升策略有效性的消融實(shí)驗(yàn)
        3.9.5 與啟發(fā)式算法對(duì)比結(jié)果
        3.9.6 與精確算法對(duì)比結(jié)果
    3.10 本章小結(jié)
第四章 基于多目標(biāo)演化計(jì)算的模式挖掘算法
    4.1 引言
    4.2 三目標(biāo)模式挖掘問題模型
    4.3 MOEA-SOHAUI 的總體流程
    4.4 種群初始化策略
    4.5 基于信息記錄表的剪枝策略
    4.6 基于信息記錄表的修復(fù)、變異策略
    4.7 實(shí)驗(yàn)結(jié)果與分析
        4.7.1 實(shí)驗(yàn)設(shè)置
        4.7.2 性能指標(biāo)
        4.7.3 種群初始化策略有效性的消融實(shí)驗(yàn)
        4.7.4 記錄表的使用對(duì)可行項(xiàng)的影響
        4.7.5 信息記錄表的使用對(duì)算法收斂速度的影響
        4.7.6 與其他算法的對(duì)比結(jié)果
    4.8 本章小結(jié)
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)



本文編號(hào)：4037460