基于增量式遺傳算法的分類規(guī)則挖掘

基于增量式遺傳算法的分類規(guī)則挖掘

ID:33147254

大?。?.65 MB

頁數(shù):63頁

時(shí)間:2019-02-21

基于增量式遺傳算法的分類規(guī)則挖掘_第1頁
基于增量式遺傳算法的分類規(guī)則挖掘_第2頁
基于增量式遺傳算法的分類規(guī)則挖掘_第3頁
基于增量式遺傳算法的分類規(guī)則挖掘_第4頁
基于增量式遺傳算法的分類規(guī)則挖掘_第5頁
資源描述:

《基于增量式遺傳算法的分類規(guī)則挖掘》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、東南大學(xué)碩士學(xué)位論文基于增量式遺傳算法的分類規(guī)則挖掘姓名:邢乃寧申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):計(jì)算機(jī)應(yīng)用指導(dǎo)教師:孫志揮2000.10.1臻于增量式遺傳算法的分類規(guī)則挖掘摘要Y388552鈾于決策支持的需要,從數(shù)據(jù)庫海量數(shù)據(jù)中有效地發(fā)現(xiàn)高層次的信息變得十分重要。數(shù)據(jù)挖掘技術(shù)就是為了解決該問題應(yīng)運(yùn)而生的。數(shù)據(jù)分類是數(shù)據(jù)挖掘的一個(gè)重要方法。數(shù)據(jù)分類是通過分析訓(xùn)練集數(shù)據(jù),產(chǎn)生關(guān)于類別的精確描述或模式,這種類描述可以用來對(duì)未來的數(shù)據(jù)進(jìn)行分類,有著廣泛的應(yīng)用前景。分類的方法有多種,不同的方法針對(duì)不同的數(shù)據(jù)特點(diǎn),。)本文對(duì)決策樹方法、粗集方法、樸素貝葉斯方法的實(shí)現(xiàn)技術(shù)及特點(diǎn)進(jìn)行了討

2、論并重點(diǎn)研究了如何用遺傳算法實(shí)現(xiàn)分類規(guī)則提取的問題。遺傳算法是一種基于生物進(jìn)化論和分子遺傳學(xué)的全局隨機(jī)搜索算法。本論文工作針對(duì)遺傳算法實(shí)現(xiàn)技術(shù)的關(guān)鍵,并結(jié)合數(shù)據(jù)挖掘中分類規(guī)則挖掘問題的具體情況,提出了遺傳算法中確定各種參數(shù)及操作的具體方案,從而實(shí)現(xiàn)了基于遺傳算法的分類規(guī)則挖掘。在此基礎(chǔ)上,針對(duì)數(shù)據(jù)挖掘?qū)χR(shí)更新和維護(hù)的要求,進(jìn)一步研究了增量式遺傳算法的實(shí)現(xiàn)技術(shù),并將其應(yīng)用于分類規(guī)則挖掘問題,實(shí)現(xiàn)了基于增量式遺傳算法的分類規(guī)則挖掘,并證明了該算法的有效性。本文實(shí)現(xiàn)的基于增量式遺傳算法的分類規(guī)則挖掘系統(tǒng)包括數(shù)據(jù)預(yù)處理模塊、基于模糊集理論的數(shù)據(jù)離散化模塊、分類規(guī)則約簡模

3、塊,因此挖掘的結(jié)果易于理解,算法的可使用性廣。關(guān)鍵字:數(shù)據(jù)挖掘、數(shù)據(jù)分類、分類規(guī)則、遺傳算法、增量式遺傳算法、數(shù)據(jù)離散化、分類規(guī)則約簡第1頁基于增量式遺傳算法的分類規(guī)則挖掘AnIncrementalGeneticAlgorithmBasedDataMiningMethodforDiscoveringClassificationRulesABSTRACTWiththeneedofdecision-making.itbecomesmoreandmoreimportanttofindawaytodiscoverusableinformationfromlargedata

4、baseefficientlyandeffectively.Dataminingtechnologyisane銜cientsolutiontothisproblem.Dataclassificationisoneofthemostimportantmethodsofdatamining,itistoanalyzethetrainingdataanddevelopanaccuratedescriptionoramodelforclass.Suchclassdesertptionsarethenusedtoclassifyfuturedata.Thusthistech

5、nologyhasabrightfutureofapplication.111ereareseveralmethodsforclassifying.differentmethodfitsfordifferentdata.Tllispaperdiscusstherealizationtechnologyandthecharacterofdecision—treebasedmethod,roughsetbasedmethod,naa'veBayesianmethodandfocusedontheproblemofhowtogetclassificationrulesw

6、ithgeneticalgorithm.GeneticAlgorithmisalloverallrandomsearchingmethodbasedonthetheoryofevolutionandmoleculargenetics.Inthispaperwestudythekeytechnologytotheimplementationofgeneticalgorithmandputforwardaparticularschemeofhowtodeterminetheparametersandoperationswhencombinedwiththeproble

7、moffindingclassificationrulesindatamining.nlispaperalsoful'therthestudyofincrementalgeneticalgorithmaswellasitsapplicationintheclassification-rulemin/ngprobleminordertosolvetheproblemofknowledgerenewandmaintenance.Weimplementaclassificationruleminingsystembasedonthisincrementalgenetic

8、algor

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。