Hopfield網絡、遺傳算法的數(shù)據(jù)挖掘中的應用.pdf

1、近年來，數(shù)據(jù)挖掘引起了信息產業(yè)界的極大關注，主要原因是存在大量數(shù)據(jù)，可以廣泛使用，并且迫切需要將這些數(shù)據(jù)轉換成有用的信息和知識。獲取的信息和知識可以用于多種領域，包括商務管理、生產控制、市場分析、工程設計和科學探索等。在過去的30多年中，計算機硬件穩(wěn)令人吃驚的進步導致了計算機、數(shù)據(jù)收集設備和存儲介質的飛速發(fā)展。這些技術大大推動了數(shù)據(jù)庫和相關信息產業(yè)的發(fā)展，使得大量數(shù)據(jù)庫和信息用于事務管理、信息檢索和數(shù)據(jù)分析。為了從海量數(shù)據(jù)中獲取重要信息

2、、作出重大決策，數(shù)據(jù)挖掘應運而生。關聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘的一個重要方面，能夠發(fā)現(xiàn)大量數(shù)據(jù)中項集之間的相關聯(lián)系。隨著大量數(shù)據(jù)的收集和存儲，許多業(yè)界人士對于從他們的數(shù)據(jù)庫中挖掘關聯(lián)規(guī)則越來越感興趣。目前有多種挖掘關聯(lián)規(guī)則的方法，如Apriori方法以及由此衍生出來的多種方法，頻繁模式增長方法(frequent-patterngrowth)等等。然而每種方法都有其自身局限性，人們仍在改進已有的關聯(lián)規(guī)則挖掘方法并不斷探索新方法。 人工

3、神經網絡是在現(xiàn)代科學研究成果的基礎上提出的模擬人腦結構和機制的一門新興科學。它不是人腦真實的全面的描述，而是對這類生物神經網絡的抽象、模擬和簡化，其目的在于探索人腦的信息加工、存儲和搜索機制，為人工智能和信息處理等學科的研究開辟新途徑。人工神經網絡是采用物理可實現(xiàn)的方法來模擬人腦神經細胞的結構和功能的系統(tǒng)，它模擬了人類神經元活動的原理，具有自學習、聯(lián)想、對比、推理和概括能力，為很好地解決關聯(lián)規(guī)則挖掘這樣一個復雜問題提供了新的途徑。近來，

4、Hopfield網絡作為神經網絡的一種，被嘗試用于關聯(lián)規(guī)則挖掘，并取得了一定成果。但是，已有的直接、機械的將Hopfield網絡用于關聯(lián)規(guī)則挖掘的方法具有缺陷，這些缺陷主要源于Hopfield網絡自身的不足。 遺傳算法于1975年由Michgan大學的JohnHolland首先提出。它是一種自適應的搜索策略，因其操作類似于自然界的優(yōu)勝劣汰機制而得名。遺傳算法因其自適應性、領域知識無關性、并行性等特性，且能較好的處理大規(guī)模數(shù)據(jù)，特

5、別適合于解決多目標優(yōu)化問題，因而在諸多領域有廣泛的應用。作為一個趨勢，遺傳算法被越來越多的應用于訓練神經網絡，改進神經網絡的拓撲結構和權值。實踐中，遺傳算法進化BP網絡的應用越來越成熟，并已經取得了豐碩的成果。與之相比，遺傳算法和Hopfield網絡的結合雖然也取得了一些成果，但還有待繁榮。 本文致力于Hopfield網絡、遺傳算法和關聯(lián)規(guī)則挖掘三者的結合，引入遺傳算法局部進化Hopfield網絡的思想，提出了一種新的基于遺傳算