發(fā)布時間：2018-11-04 18:58

【摘要】：多目標(biāo)優(yōu)化問題是一類常見于各種科研以及工程應(yīng)用中的問題,與經(jīng)典單目標(biāo)最優(yōu)化問題不同,多目標(biāo)問題中涉及到的各個目標(biāo)相互之間存在著一定的沖突關(guān)系。目前在多目標(biāo)領(lǐng)域存在很多不同類型的算法來解決該問題,而這其中,進(jìn)化算法由于具有良好并行性、全局搜索以及對任何函數(shù)類可用等特性,在解決多目標(biāo)優(yōu)化問題上體現(xiàn)出了良好的性能,因此,多目標(biāo)進(jìn)化算法成為解決多目標(biāo)優(yōu)化問題的一個主流方法,并引起學(xué)者們的廣泛關(guān)注。任務(wù)驅(qū)動的模式挖掘作為頻繁模式挖掘領(lǐng)域的一個分支,由于其廣闊的應(yīng)用場景,例如商品組合推薦、網(wǎng)頁打印區(qū)域推薦等等,已經(jīng)越來越多地引起人們的關(guān)注。在這些任務(wù)驅(qū)動的應(yīng)用中,推薦給用戶的模式作為一個完整的任務(wù)并且該任務(wù)有許多子任務(wù)組成,因此這些模式稱之為任務(wù)驅(qū)動模式�？紤]到任務(wù)驅(qū)動模式中往往是一系列相互關(guān)聯(lián)的子任務(wù),因此子任務(wù)間的相關(guān)性較高,在挖掘過程中就需要考慮挖掘模式的完整性,以免影響用戶的體驗。傳統(tǒng)任務(wù)驅(qū)動的模式挖掘算法采用對事務(wù)數(shù)據(jù)庫(Transaction Database)的字典子集樹進(jìn)行深度優(yōu)先遍歷搜索的方式,在搜索的過程中利用剪枝的策略提高運行效率。然而基于字典子集樹遍歷的傳統(tǒng)方法難以在實際應(yīng)用中開展,因為算法需要根據(jù)具體問題的先驗知識設(shè)置參數(shù),例如:搜索時最小的支持度閾值min_sup,最小的占有度閾值min_occ以及支持度與占有度之間的一個偏好權(quán)值λ等,而且不同的參數(shù)對算法的結(jié)果影響很大,另外算法的效率也不盡人意�；谝陨蠁栴},本文對任務(wù)驅(qū)動模式挖掘問題進(jìn)行了探索與研究,考慮從多目標(biāo)優(yōu)化的角度解決任務(wù)驅(qū)動模式挖掘問題,具體研究工作分為如下兩部分:(1)本文從多目標(biāo)優(yōu)化的角度出發(fā)解決任務(wù)驅(qū)動模式挖掘問題,并提出了一種有效的多目標(biāo)模式挖掘算法。在任務(wù)驅(qū)動模式挖掘領(lǐng)域中,傳統(tǒng)算法需要用戶設(shè)置一些必要的先驗參數(shù)。而這些參數(shù)往往對傳統(tǒng)算法有較大的影響,不同的參數(shù)使得算法的運行時間以及運行效果差別很大。因此,為了獲得較好的性能,傳統(tǒng)算法需要用戶預(yù)先設(shè)置合適的參數(shù)。但在實際應(yīng)用中,用戶在缺乏具體問題先驗知識的情況下難以選擇出合適的參數(shù),而且對于不同的問題其合適的參數(shù)也會大不相同。為了尋找合適的參數(shù),用戶需要嘗試不同參數(shù)進(jìn)行多次實驗以尋找最佳效果,這樣使得算法的運行代價昂貴,效率低下,最終難以在實際應(yīng)用中展開。基于此,本文考慮多目標(biāo)進(jìn)化算法不需要根據(jù)具體問題設(shè)置先驗參數(shù)這一良好特性,將任務(wù)驅(qū)動模式挖掘問題轉(zhuǎn)化為一個3目標(biāo)(支持度,占有度以及覆蓋度)的多目標(biāo)優(yōu)化問題來處理。在經(jīng)典多目標(biāo)進(jìn)化算法NSGA-II的基礎(chǔ)上,本文提出了一種有效的多目標(biāo)模式挖掘算法,簡稱MOPM。最后通過在真實數(shù)據(jù)集Smart Print數(shù)據(jù)集、Taobao數(shù)據(jù)集以及合成數(shù)據(jù)集IBM數(shù)據(jù)集上分別進(jìn)行實驗,結(jié)果表明,MOPM算法不需要根據(jù)具體問題設(shè)置先驗參數(shù),解決了傳統(tǒng)算法中參數(shù)敏感性的問題,而且MOPM算法在實驗效果以及運行效率上都較傳統(tǒng)算法有一定的優(yōu)勢。因此,從多目標(biāo)優(yōu)化的角度來解決任務(wù)驅(qū)動模式挖掘問題是一種行之有效的方式。(2)本文提出了一種基于代理模型的多目標(biāo)模式挖掘算法。從第一個研究工作中可以發(fā)現(xiàn),用多目標(biāo)優(yōu)化的視角來解決任務(wù)驅(qū)動模式挖掘問題能夠有效解決傳統(tǒng)算法遇到的參數(shù)敏感性等挑戰(zhàn),促進(jìn)了算法在實際中的應(yīng)用。然而隨著事務(wù)數(shù)據(jù)庫規(guī)模的增大,MOPM算法在運行時效率會受到很大的影響。通過分析,發(fā)現(xiàn)由于進(jìn)化算法在計算個體的3個目標(biāo)值時都需要對事務(wù)數(shù)據(jù)庫的全部數(shù)據(jù)進(jìn)行遍歷,因此真實評價個體的目標(biāo)值代價昂貴�；诖�,本文提出了一種基于代理模型的多目標(biāo)模式挖掘算法,簡稱SA-MOPM,用以提高算法的運行效率。SA-MOPM算法采用改進(jìn)的基于K-Prototype聚類算法的徑向基函數(shù)網(wǎng)絡(luò)模型作為代理模型,使徑向基函數(shù)網(wǎng)絡(luò)模型可以應(yīng)用到離散的任務(wù)驅(qū)動模式挖掘問題上。在進(jìn)化過程中利用代理模型對個體進(jìn)行評估,因此可以大大降低適應(yīng)度評估的代價。最后,本文在真實數(shù)據(jù)集Smart Print數(shù)據(jù)集、Taobao數(shù)據(jù)集以及合成數(shù)據(jù)集IBM數(shù)據(jù)集上分別進(jìn)行實驗,結(jié)果顯示,在精度降低有限范圍內(nèi),SA-MOPM算法的運行效率比MOPM算法有著更大的優(yōu)勢。因此,基于代理模型的多目標(biāo)模式挖掘算法是解決大規(guī)模數(shù)據(jù)集上任務(wù)驅(qū)動模式挖掘問題的有效方法。
[Abstract]:......
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王宇新;田佳;郭禾;吳樹朋;楊元生;;應(yīng)用模糊方法的設(shè)計模式挖掘策略研究[J];計算機工程與應(yīng)用;2010年02期

2 陸億紅;王子仁;黃燕;;適合稀少空間特征的同位模式挖掘算法[J];浙江工業(yè)大學(xué)學(xué)報;2007年04期

3 郭燕萍;辛伯宇;;高選票例外模式挖掘研究與實現(xiàn)[J];電腦開發(fā)與應(yīng)用;2007年08期

4 徐顯九;楊燕;岳愛萍;;高效的用戶移動模式挖掘方法[J];計算機應(yīng)用研究;2007年09期

5 李帆;夏士雄;張磊;;基于模糊理論的不確定軌跡模式挖掘[J];微電子學(xué)與計算機;2011年08期

6 李中元;邊馥苓;;空間同位模式挖掘研究進(jìn)展[J];地理空間信息;2013年06期

7 邢東山,沈鈞毅,宋擒豹;用戶瀏覽偏愛模式挖掘算法的研究[J];西安交通大學(xué)學(xué)報;2002年04期

8 劉洪輝;吳岳芬;;用戶行為模式挖掘問題的研究[J];計算機技術(shù)與發(fā)展;2006年05期

9 付曉翠;許盈;車路;;游戲訪問模式挖掘的研究與應(yīng)用[J];鄭州大學(xué)學(xué)報(理學(xué)版);2007年04期

10 顏一鳴;郭鑫;李仁發(fā);;一種非確定樹模式挖掘算法[J];計算機工程與應(yīng)用;2011年15期

相關(guān)會議論文 前10條

1 王肅;杜軍平;高田;;基于本體與知識背景的模式挖掘框架研究[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

2 繆裕青;尹東;;分布式存儲結(jié)構(gòu)的頻繁閉合模式挖掘并行算法[A];2007年全國開放式分布與并行計算機學(xué)術(shù)會議論文集(下冊)[C];2007年

3 王淼;尚學(xué)群;謝華博;李戰(zhàn)懷;;行常量差異共表達(dá)基因模式挖掘算法研究[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

4 劉玉葆;蔡嘉榮;印鑒;黃志蘭;;基于最大訪問模式挖掘的數(shù)據(jù)庫異常行為檢測[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2006年

5 陸葉;王麗珍;陳紅梅;趙麗紅;;基于可能世界的不確定空間co-location模式挖掘研究[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

6 王麗珍;陸葉;陳紅梅;肖清;;基于前綴樹結(jié)構(gòu)的空間co-location模式挖掘算法研究[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

7 胡偉成;曹三省;李丹;;一種基于QPop增量時域分割升維的媒體內(nèi)容應(yīng)用模式挖掘改進(jìn)算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

8 薛丹;李德敏;裴仁林;;移動計算中基于PrefixSpan算法的用戶移動模式挖掘[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

9 宋國杰;馬帥;唐世渭;楊冬青;;基于模式挖掘的交通預(yù)測模型[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2002年

10 夏慶;馬元元;孫志揮;;路徑遍歷模式挖掘方法的改進(jìn)[A];第十六屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1999年

相關(guān)重要報紙文章 前1條

1 辛苑薇;誰將分享“大數(shù)據(jù)”的智慧盛宴？[N];21世紀(jì)經(jīng)濟報道;2012年

相關(guān)博士學(xué)位論文 前7條

1 Shafqat Ali Shad;移動用戶軌跡與行為模式挖掘方法研究[D];中國科學(xué)技術(shù)大學(xué);2013年

2 錢烽;同位模式挖掘研究[D];浙江大學(xué);2012年

3 劉勇;圖模式挖掘技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2010年

4 覃桂敏;復(fù)雜網(wǎng)絡(luò)模式挖掘算法研究[D];西安電子科技大學(xué);2012年

5 王樂;數(shù)據(jù)流模式挖掘算法及應(yīng)用研究[D];大連理工大學(xué);2013年

6 林耀進(jìn);多源環(huán)境中數(shù)據(jù)預(yù)處理與模式挖掘的研究[D];合肥工業(yè)大學(xué);2014年

7 曾海泉;時間序列挖掘與相似性查找技術(shù)研究[D];復(fù)旦大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 楊陽;云計算環(huán)境下時空軌跡伴隨模式挖掘研究[D];南京師范大學(xué);2015年

2 李海;基于用戶軌跡數(shù)據(jù)的周期活動模式挖掘[D];江蘇科技大學(xué);2015年

3 周青峰;云計算環(huán)境下的模式挖掘算法研究[D];浙江工商大學(xué);2015年

4 陳瑞;基于分治子圖和極大有序團樹的co-location模式挖掘研究[D];云南大學(xué);2015年

5 尹騰騰;軟件執(zhí)行軌跡中行為模式挖掘算法研究[D];燕山大學(xué);2015年

6 陳明福;縮小候選集的Top-k高效模式挖掘算法研究[D];重慶大學(xué);2015年

7 張子瀚;面向大數(shù)據(jù)的高效用模式挖掘方法研究[D];北方工業(yè)大學(xué);2016年

8 張剛領(lǐng);一種基于團的閉頻繁Co-location模式挖掘方法[D];云南大學(xué);2016年

9 江萬國;基于領(lǐng)域驅(qū)動的空間高效用Co-location模式挖掘[D];云南大學(xué);2016年

10 吳錫宇;基于約束的城市co-location模式挖掘[D];云南大學(xué);2016年

，

本文編號：2310846