基于粒子群优化算法的数据挖掘研究与应用

基于粒子群优化算法的数据挖掘研究与应用

ID:32967952

大小:824.52 KB

页数:66页

时间:2019-02-18

基于粒子群优化算法的数据挖掘研究与应用_第1页
基于粒子群优化算法的数据挖掘研究与应用_第2页
基于粒子群优化算法的数据挖掘研究与应用_第3页
基于粒子群优化算法的数据挖掘研究与应用_第4页
基于粒子群优化算法的数据挖掘研究与应用_第5页
资源描述:

《基于粒子群优化算法的数据挖掘研究与应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、学校代号10524学号12009512分类号密级硕士学位论文基于粒子群优化算法的数据挖掘研究与应用学位申请人姓名陈建国培养单位计算机科学学院导师姓名及职称宋中山副教授学科专业计算机应用技术研究方向数据挖掘论文提交日期2012年5月09日学校代号:10524学号:12009512密级:中南民族大学硕士学位论文基于粒子群优化算法的数据挖掘研究与应用学位申请人姓名:陈建国导师姓名及职称:宋中山副教授培养单位:计算机科学学院专业名称:计算机应用技术论文提交日期:2012年5月09日论文答辩日期:2012年5月19日答辩委员会主席:

2、李元香ResearchandApplicationofDataMiningBasedonParticleSwarmOptimizationAlgorithmbyCHENJianguoB.E.(South-CentralUniversityforNationalities)2009AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofDatamininginTechnologyofComputerApplicationinthe

3、GraduateSchoolofSouth-CentralUniversityforNationalitiesSupervisorProfessorSongZhongshanMay,2012中南民族大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:日期:年月日学位论文版权使

4、用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权中南民族大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密□,在______年解密后适用本授权书。2、不保密□。√(请在以上相应方框内打“√”)作者签名:日期:年月日导师签名:日期:年月日中南民族大学硕士学位论文摘要数据挖掘一直是一个非常活跃的研究领域,其成果被广泛应用于经济,管理等领

5、域,有力的促进了人类社会的发展,给经济和社会的发展带来了巨大的效益。关联规则数据挖掘是数据挖掘研究最重要的分支。目前关联规则数据挖掘技术的研究与应用并不是很广泛和深入,尤其在针对海量数据的关联规则挖掘方面,基础性研究工作还相当的缺乏。文中对基于海量数据的挖掘方法进行了相关的研究,并在此基础上提出了一种对海量数据进行关联规则数据挖掘的有效方法,该方法实现了对海量数据的优化划分和对海量数据整体关联规则挖掘。在数据划分的方法上,本文采用粒子群优化算法对海量数据进行空间聚类优化划分,将海量数据集划分为多个小的子数据集。文中具体介绍

6、和分析了粒子群优化算法和空间聚类算法,总结了粒子群算法的相关改进方法,重点对数据记录如何进行编码转化为粒子,确立适应度函数,怎么避免粒子群优化算法局部收敛等问题进行了研究,并且采用了一种满足类内距离小和类间距离大要求的适应度函数,大大提高了分类的准确性。最后详细介绍了本文提出的基于粒子群优化算法的空间聚类算法。在关联规则数据挖掘上,文中重点研究了Apriori算法,并进一步指出了该算法存在两个重要缺点,即产生大量候选项集和多次扫描数据库,并且在处理海量数据时效率非常低,甚至根本不切实际。本文提出了一种基于矩阵按位存储的Ap

7、riori改进算法,该算法仅需一次扫描数据库就能完成挖掘任务,而且频繁项集计数的过程中采用位之间的与操作,效率非常高。选取真实的实验数据运用本文的方法进行数据挖掘,实验表明了本文提出的针对海量数据的挖掘方法是有效的,它融合了基于矩阵按位存储的Apriori改进算法的优点,弥补了Apriori算法本身并不适合于对海量数据对象的缺陷。关键词:数据挖掘;PSO算法;关联规则;频繁项集I基于粒子群优化算法的数据挖掘研究与应用AbstractDatamininghasbeenbeingaveryactivefieldofresear

8、ch.Itsresearchachievementsarewidelyusedineconomics,managementandotherfieldssoastopromotthedevelopmentofhumansocietyeffectivelyandbringgreatbenefitstothe

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。