基于遺傳編程的數(shù)據(jù)挖掘分類(lèi)和聚類(lèi)算法的研究與實(shí)踐.pdf

1、隨著人們生產(chǎn)和搜集數(shù)據(jù)的能力大幅度提高，迫切需要找到從現(xiàn)有數(shù)據(jù)庫(kù)系統(tǒng)/廣域網(wǎng)的大量數(shù)據(jù)中提取知識(shí)的手段。然而，目前人們分析數(shù)據(jù)、獲取知識(shí)的能力還不能與現(xiàn)有的組織、存儲(chǔ)和操作數(shù)據(jù)的技術(shù)相媲美。為了解決這個(gè)問(wèn)題，產(chǎn)生了基于數(shù)據(jù)庫(kù)與數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的數(shù)據(jù)挖掘方法與技術(shù)。數(shù)據(jù)挖掘可以看作是信息技術(shù)自然演化的結(jié)果，從數(shù)據(jù)收集和數(shù)據(jù)庫(kù)的創(chuàng)建，到數(shù)據(jù)管理，再到高級(jí)數(shù)據(jù)分析。分類(lèi)和聚類(lèi)是數(shù)據(jù)挖掘的兩個(gè)重要過(guò)程，針對(duì)這兩個(gè)過(guò)程，人們已經(jīng)提出了許多算法，如：貝

2、葉斯分類(lèi)、基于規(guī)則的分類(lèi)、關(guān)聯(lián)分類(lèi)、k均值聚類(lèi)、層次聚類(lèi)等。這些傳統(tǒng)的方法中普遍對(duì)用戶(hù)的相關(guān)領(lǐng)域知識(shí)有一定的要求，用戶(hù)對(duì)參數(shù)的輸入很大程度上影響了算法的結(jié)果。為了改進(jìn)這個(gè)問(wèn)題，使數(shù)據(jù)挖掘任務(wù)能夠自動(dòng)的進(jìn)行，人們提出了基于進(jìn)化算法的數(shù)據(jù)挖掘算法。遺傳編程是進(jìn)化算法的一個(gè)分支，其主要思想來(lái)源于生物的進(jìn)化。NilsAall Baricelli在1954年首先提出了遺傳編程。1980年，Stephen F.Smith發(fā)表了關(guān)于遺傳編程的實(shí)驗(yàn)結(jié)果

3、。Nichael L.Cramer和Jurgen Schmidhuber分別于1985年和1987年發(fā)表論文提出了現(xiàn)代進(jìn)化編程。John R.Koza對(duì)遺傳編程作出了重要的拓展，并在1992年發(fā)表論文指出，遺傳編程應(yīng)該被視為遺傳算法的一個(gè)分支而不是特例，John R.Koza被認(rèn)為是遺傳編程的先驅(qū)。
　　 本文介紹了數(shù)據(jù)挖掘中分類(lèi)和聚類(lèi)的相關(guān)算法，并針對(duì)這些算法作了系統(tǒng)的分析，指出了這些算法的優(yōu)勢(shì)和不足。同時(shí)，文中對(duì)遺傳編程進(jìn)行

4、了討論，詳細(xì)地闡述了遺傳編程的相關(guān)理論、方法以及技術(shù)。在此基礎(chǔ)上提出了基于遺傳編程的分類(lèi)與聚類(lèi)算法。在分類(lèi)算法中，一個(gè)簇用一個(gè)邏輯公式表示，這個(gè)邏輯公式則由謂詞構(gòu)成。每一個(gè)遺傳編程個(gè)體則將該邏輯公式編碼為樹(shù)形結(jié)構(gòu)。本文提出的聚類(lèi)算法基于層次聚類(lèi)的思想，首先將數(shù)據(jù)集劃分為若干個(gè)簇，然后對(duì)簇進(jìn)行合并。但是層次聚類(lèi)的一個(gè)缺點(diǎn)是一旦某一部做出決定，那么以后就不能更改。這導(dǎo)致了聚類(lèi)結(jié)果有很大的偶然性。同時(shí)，一開(kāi)始劃分的若干個(gè)簇并不一定合適。因此，