【技术实现步骤摘要】
本专利技术涉及一种数据挖掘方法及系统，尤其涉及一种基于模拟退火遗传算法的数据挖掘方法及系统。
技术介绍
1、agrawal等人于1953年首次提出关联规则的有关概念，随后又提出了经典的关联规则算法apriori算法。近年来，一些改进的算法也在不断的涌现，它丰富了、完善了关联规则的算法。这类算法的特点就是把关联规则分成两个阶段的任务，在第一阶段，就是找出事务数据库d中所有的频繁项集，根据定义，这些项集的支持度至少等于最小支持度(预先定义的)，可以通过应用各种搜索算法来查找事务数据库d：第二阶段，就是依据一定的方法用这些频繁项集来产生规则，从中提取所有满足用户指定的所有最小置信度阀值的规则，凡是小于该阀值的规则就应该删除，凡是不小于该阀值的规则就可以作为挖掘出来的关联规则。通过两阶段的挖掘，就可以完成对指定项集的关联规则数据挖掘。
2、目前大多数研究主要集中于第一个阶段，这是衡量关联规则挖掘的核心内容，该阶段的工作量也最大。apriori算法虽然给出了有效的策略，能够相对快速准确的挖掘出用户需要的关联规则，但是其频繁的扫描数据库...
【技术保护点】
1.一种基于模拟退火遗传算法的数据挖掘方法，其特征在于，包括初始化参数；初始化种群，并计算群体中各个体的适应度；经基于免疫机制的选择操作、自适应交叉操作及自适应变异操作后生成子代，并计算子代的适应度；当个体通过交叉和变异操作产生新个体后，判断是否接受新个体，并对新个体进行排序，执行降温操作，判断是否满足收敛条件。
2.根据权利要求1所述的一种基于模拟退火遗传算法的数据挖掘方法，其特征在于，所述群体中个体的适应度通过适应度函数来评价，所述适应度函数为：
3.根据权利要求1所述的一种基于模拟退火遗传算法的数据挖掘方法，其特征在于，所述基于免疫机制的...
【技术特征摘要】
1.一种基于模拟退火遗传算法的数据挖掘方法，其特征在于，包括初始化参数；初始化种群，并计算群体中各个体的适应度；经基于免疫机制的选择操作、自适应交叉操作及自适应变异操作后生成子代，并计算子代的适应度；当个体通过交叉和变异操作产生新个体后，判断是否接受新个体，并对新个体进行排序，执行降温操作，判断是否满足收敛条件。
2.根据权利要求1所述的一种基于模拟退火遗传算法的数据挖掘方法，其特征在于，所述群体中个体的适应度通过适应度函数来评价，所述适应度函数为：
3.根据权利要求1所述的一种基于模拟退火遗传算法的数据挖掘方法，其特征在于，所述基于免疫机制的选择操作是从种群中选择出适应环境的个体，并用其繁殖下一代，定义群体中浓度最大的个体为1，2，…，r，该r个个体的浓度概率和群体中其余个体的浓度概率分别为：
4.根据权利要求3所述的一种基于模拟退火遗传算法的数据挖掘方法，其特征在于，所述适应环境的个体的选择概率为p，由个体的浓度概率pd和适应度概率pf共同决定：
5.根据权利要求3所述的一种基于模拟退火遗传算法的数据挖掘方法，其特征在于，所述自适应交叉操作能够动态调节交叉概率pc和变异概率pm，其中...
【专利技术属性】
技术研发人员：张伟，杨华飞，杨文清，孙镇，张楠，俞俊，刘文松，巫乾军，钱恒顺，段淼臻，
申请(专利权)人：南瑞集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。