基于遺傳算法的知識發(fā)現(xiàn)算法研究及應用.pdf

1、隨著數(shù)據(jù)在日常決策中的重要性越來越顯著，人們對數(shù)據(jù)處理技術的要求也不斷提高，需要對數(shù)據(jù)進行更深層次的處理，以得到關于數(shù)據(jù)的總體特征以及對發(fā)展趨勢的預測。然而數(shù)據(jù)量爆炸性的增長使得現(xiàn)有的知識發(fā)現(xiàn)算法存在著一定的局限性，因此必須對現(xiàn)有的算法進行改進或創(chuàng)建新的算法以適應時代之需。 遺傳算法是模擬自然進化的通用全局搜索算法，它具有簡單、通用、魯棒性強和適于并行處理的特點，為其他科學技術無法解決或難以解決的復雜問題提供了新的計算模型。而今

2、，交易數(shù)據(jù)庫在不斷地增大，花費在掃描整個數(shù)據(jù)庫的時間會越來越長，效率的低下促使我們必須尋找新的關聯(lián)規(guī)則挖掘算法。因此，本文提出了ARM-GA算法，并針對礦山事故數(shù)據(jù)庫進行了簡單的計算和分析，取得了很好的效果。 大家普遍認可：在數(shù)據(jù)挖掘技術中，決策樹是在數(shù)據(jù)集上發(fā)現(xiàn)有價值模式的最高效的方法之一。然而，當需要在大規(guī)模數(shù)據(jù)集上進行規(guī)則挖掘時，可比例縮放性和準確率問題卻無時不困擾著決策樹算法，使它力不從心。為了在有限的計算能力內(nèi)構建出高

3、質(zhì)量的決策樹、挖掘出實用的規(guī)則，本文提出了DTGA(DecisionTreeongeneticalgorithm)算法，它是將隨機采樣技術、遺傳算法和標準的決策樹算法集成在一起而生成的。該算法是使傳統(tǒng)決策樹算法的質(zhì)量得到提高的一種有力方法。 本文分別對交叉和變異算子給出了新的定義，并取決策樹在測試集上的分類準確度作為種群中各樹個體的適應值。通過在礦山數(shù)據(jù)集上進行試驗研究，主要對平均計算時間和分類準確度這兩個指標進行了考察和分析，