基于并行遗传算法的规则发现研究

阐述了传统遗传算法的基本思想、原理和步骤及其在数据挖掘(规则集发现)中的应用,给出了基于遗传算法的知识规则挖掘算法的基本思想和关键问题,包括知识规则表示、适应度函数定义等,继而提出多种群并行进化结构,利用精英重组策略,产生池进化模型以及自适应参数的手段调整并行遗传算法进行数据挖掘.在算法具体实现过程中,采用了动态变异交叉概率等方法,有效避免了并行遗传算法中早熟现象的发生.以北美香菇数据为例,进行并行遗传算法挖掘分类规则,实验说明了该算法在发现和进化规则方面的有效性.     

基于并行遗传算法的规则发现研究

阐述了传统遗传算法的基本思想、原理和步骤及其在数据挖掘(规则集发现)中的应用,给出了基于遗传算法的知识规则挖掘算法的基本思想和关键问题,包括知识规则表示、适应度函数定义等,继而提出多种群并行进化结构,利用精英重组策略,产生池进化模型以及自适应参数的手段调整并行遗传算法进行数据挖掘。在算法具体实现过程中,采用了动态变异交叉概率等方法,有效避免了并行遗传算法中早熟现象的发生。以北美香菇数据为例,进行并行遗传算法挖掘分类规则,实验说明了该算法在发现和进化规则方面的有效性。     

自动生成数据挖掘算法的研究与应用

主要研究自动生成数据挖掘算法的解决方案.采用遗传算法对数据挖掘中的关联规则进行自动挖掘,提出一种基于遗传算法的关联规则自动提取算法,并结合电视购物项目,给出了该算法的实例验证.最后,通过与传统的Apriori算法比较,验证了该算法的高效性.     

基于模拟退火遗传算法的关联规则挖掘

将模拟退火遗传算法加以改进,应用于关联规则挖掘,提出一种新的基于改进的模拟退火遗传算法的关联规则挖掘算法,并在该算法中,采用自适应方式动态选取交叉和变异概率,有效地抑制了早熟收敛现象,实验结果显示该方法能高效地解决关联规则挖掘问题。     

基于Apriori算法的关联规则挖掘系统设计与实现

设计并实现了一个基于Apriori算法的关联规则挖掘系统.该系统采用Java技术,具有可移植性强、人机交互界面美观、实用性强等优势,可以对频繁项集和关联规则进行挖掘.并对系统进行了测试,发现当数据规模相同时,最小支持度越大,Apriori算法挖掘时间越短;当最小支持度相同时,数据规模越大,Apriori算法挖掘的时间越长.     

基于可变精度粗糙集理论的粗糙规则挖掘算法

提出了一种基于变精度粗糙集理论的规则挖掘算法.通过粗糙规则集的不确定性量度,应用遗传算法求取相对属性约简,然后根据所给阈值导出粗糙规则集,并对阈值对规则集的影响进行了事后分析.由该算法得到的规则既有一定的噪声容忍度又具备较高的准确度和覆盖度,从而能充分保证预测和分类的准确性.实例分析证明,该算法是规则挖掘的有效方法.     

基于规则量和提取率的关联规则挖掘算法

基于规则量和提取率度量标准,提出一种使用并行克隆退火遗传策略的关联规则挖掘算法。该算法结合了遗传算法、模拟退火算法和免疫克隆算法的优点,采用克隆、变异和交叉操作获取问题的最优解。理论分析和仿真实验结果表明,该算法能高效、快速地解决关联规则挖掘问题。     

基于用户兴趣导向的关联规则数据挖掘

本文在针对关联规则的Apriori算法的基础上,为了提高用户数据挖掘的人机交互性能,解决关联规则挖掘产生冗余规则的问题,提出了基于用户导向的关联规则挖掘方法SQL-IIAR算法.     

一种基于混合算法的分类器设计

为了高效地从数据库中挖掘分类规则,提出一种将粒子群优化算法和遗传算法相结合的新算法。该算法的核心思想是对规则的前件进行固定长度编码,适应度函数的计算由分类规则的准确率、置信度、支持度和简洁度构成,从而实现基于两者混合算法的分类器设计。将该分类器与遗传算法分类器和粒子群算法分类器进行对比,实验结果表明,该分类器具有更高的分类准确率以及更快的收敛速度。     

多目标桥梁劣化因果分析方法

以云南省桥梁为例,建立了多目标桥梁劣化因果分析方法.该算法在关联规则挖掘算法的基础上引入遗传算法和灰色关联分析方法解决了关联规则挖掘算法中支持度和置信度取值大小影响规则质量问题.评估了云南省亚热带地区桥梁的劣化因果关系.实验结果表明建成年限、下穿通道类型、桥梁的构造形式及构造材料、降雨量等因素对桥梁劣化产生较大影响.     

Application of particle swarm optimization to association rule mining

In the area of association rule mining, most previous research had focused on improving computational efficiency. However, determination of the threshold values of support and confidence, which seriously affect the quality of association rule mining, is still under investigation. Thus, this study intends to propose a novel algorithm for association rule mining in order to improve computational efficiency as well as to automatically determine suitable threshold values. The particle swarm optimization algorithm first searches for the optimum fitness value of each particle and then finds corresponding support and confidence as minimal threshold values after the data are transformed into binary values. The proposed method is verified by applying the FoodMart2000 database of Microsoft SQL Server 2000 and compared with a genetic algorithm. The results indicate that the particle swarm optimization algorithm really can suggest suitable threshold values and obtain quality rules. In addition, a real-world stock market database is employed to mine association rules to measure investment behavior and stock category purchasing. The computational results are also very promising.     

关联规则在股票板块联动分析中的应用

Apriori算法是关联规则挖掘中的经典算法,针对Apriori算法的不足进行了一些改进。新算法使用垂直数据格式,并改进了产生候选项的连接方法。为了研究股票板块的联动关系,将改进算法应用于股票板块指数分析中。实验结果表明,改进算法能快速发现板块之间的联动关系,对股市分析和投资决策有一定的指导作用。     

A novel methodology for stock investment using high utility episode mining and genetic algorithm

In this paper, we present a novel methodology for stock investment using the technique of high utility episode mining and genetic algorithms. Our objective is to devise a profitable episode-based investment model to reveal hidden events that are associated with high utility in the stock market. The time series data of stock price and the derived technical indicators, including moving average, moving average convergence and divergence, random index and bias index, are used for the construction of episode events. We then employ the genetic algorithm for the simultaneous optimization on parameters and selection of subsets of models. The empirical results show that our proposed method significantly outperforms the state-of-the-art methods in terms of annualized returns of investment and precision. We also provide a set of Z-tests to statistically validate the effectiveness of our proposed method. Based upon the promising results obtained, we expect this novel methodology can advance the research in data mining for computational finance and provide an alternative to stock investment in practice.     

交互式遗传算法在室内布局设计中的应用

室内平面设计是在房地产开发商交付的毛坯房进行装修过程中首当其冲的步骤, 符合用户个性化需求的平面图设计是典型的隐性优化问题. 室内设计工程师与用户之间的沟通很难准确获取用户需求, 且成本极高. 基于最优法则理论, 通过交互式遗传算法中的人机交互模式, 用主观评价替代繁琐的适应值函数设计来解决上述挑战. 实验表明, 该算法能有效满足平面图设计过程中客户的个性化需求, 改进的交互式遗传算法将用户的主观评价引入到传统的设计流程, 让用户真正参与到设计工作中.     

基于关联规则的搭配进货系统的研究与实现

为了解决商品进货无关联的现状,找到商品间的关联规则,更好地进行商品的搭配进货,从而提高进货效率,文中引入了关联规则的思想,并利用规则进行了商品关联规则的挖掘。在分析了关联规则挖掘的算法后,将其应用到超市商品数据库中,利用关联规则挖掘出大量数据中项集即商品之间的相互关联,并抽取出有价值的商品关联规则,利用支持度和平衡度这两个度量概念,优化出强规则集,并用这一思想成功设计了PLM即产品全生命周期管理中的搭配进货系统。     

基于决策树的股市数据挖掘与仿真

决策树方法是数据挖掘的一种方便而实用的方法。该文基于对股市数据的分析，适当选取某些经济指标作为决策属性，并利用改进的ID3算法，从股市数据中挖掘获利能力规则。该文提出的算法用C语言编程实现。仿真的结果表明，不仅获得了具有应用价值的股市决策规则，而且显示出股市中有的经验规则未必正确。     

一种元规则指导的股票联动关联规则挖掘算法

在经典Apriori算法的基础上，提出了一种考虑了时间因素的股票联动关联规则挖掘算法。该算法首先对股票原始数据采用滑动时间窗口技术进行了预处理，得到了适合挖掘的事务集；然后使用SQL语言详细描述了关联规则的生成过程。根据证券行业的实际情况，采用了元规则指导的挖掘方法，从而使挖掘结果聚焦于投资者感兴趣的规则形式上，并且也提高了挖掘过程的效率。     

基于遗传编程的中国股票市场有效性检验

现代资本市场理论与金融投资实践之间存在着有效市场假说与技术分析之间的矛盾,使用流行的技术交易规则检验股票市场有效性可能导致两种结论偏差。遗传编程使用树形结构表示问题的候选解,可以很好地描述技术交易规则。利用遗传编程算法生成一种技术交易策略,并用其检验上证综合指数和5个沪深股市个股。回测结果表明,提出的方法相对于“买入-持有”策略能够获得超额收益,并且优于常用的流行技术指标,也说明我国股票市场并未达到弱式有效。     

基于遗传算法的股票市场选择模型

为提高投资者在股票市场的收益,解决在证券投资中股票选择这一重要问题,提出一种基于遗传算法的股票选择模型。算法以上市公司的财务指标为样本特征,为克服K-means算法的不稳定性,采用基于遗传算法的K-means算法对同一板块股票进行聚类分析,剔除财务指标较差的一类中的股票。对筛选条件编码,为解决传统遗传算法处理复杂问题时存在的过早收敛现象,提出改进的遗传算子,利用改进的遗传算法寻找使股票市场投资收益最大化的选股模型参数。实验结果表明,该算法在股票选择上具有较好的效果,可供市场投资者借鉴。     

工业环境下的人机交互状态数据仿真研究

传统人机交互状态数据模拟过程数据视域特征采集不准确、数据模拟不连续,导致人机交互状态数据检测能力偏低,提出基于模糊关联聚类分析的人机交互状态数据模拟及挖掘方法。采用定量递归分析法完成数据模糊关联聚类。利用关联特征分布序列调度法,得到人机交互状态数据的规则训练集。在模糊扰动约束下,得到人机交互状态数据的聚类目标函数。采用相关性检测方法进行数据的人机交互设计,采用替代数据法对工业环境下的人机交互状态数据进行复指数检测,提取人机交互状态数据的弱关联性指数特征,分离工业环境下人机交互状态数据的信息,实现对工业环境下的人机交互状态数据仿真。仿真结果表明,采用上述方法进行人机交互状态数据模拟数据视域特征采集准确,且具有连续性,提高了研究方法的可应用性。