張硯雪

摘要：隨著數(shù)據(jù)挖掘技術(shù)的興起，各種應用于關(guān)聯(lián)規(guī)則挖掘的算法也逐漸被關(guān)注。在數(shù)據(jù)庫中除了能對數(shù)據(jù)的進行錄入、查詢、統(tǒng)計等簡單功能應用，也能幫助用戶發(fā)現(xiàn)大量數(shù)據(jù)中存在的各種有用的信息以及數(shù)據(jù)之間的關(guān)聯(lián)性，幫助用戶分析出其中有價值的信息，從而實現(xiàn)其中的商業(yè)價值。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘領域的一個重要研究分支，其經(jīng)典算法-Aprior算法被廣泛采用，本文針對Aprior算法的局限性，將遺傳算法應用在關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘中進行分析并以某高校新生入學調(diào)查表中數(shù)據(jù)為例，挖掘出學校的環(huán)境、就業(yè)情況、校園社團活動、食堂用餐標準等因素與學生生源地情況及學生中學水平之間的相關(guān)聯(lián)系，可以幫助高校在招生咨詢和宣傳中有所側(cè)重，對不同地區(qū)的學生采取不同的宣傳方式和宣傳內(nèi)容，來進一步擴大學校的招生規(guī)模。

關(guān)鍵詞：遺傳算法；數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則；招生宣傳

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2015）15-0181-02

Abstract： With the rise of data mining technology， various applied to association rule mining algorithms have gradually been concerned. In addition to the data in the database will be entry， query， statistics and other simple functional applications， but also to help users find the relevance of the presence of large amounts of data in a variety of useful information and data between， to help users analyze the valuable information， in order to achieve one of the commercial value. Association rules is an important research branch of data mining， which is the classical algorithm -Aprior algorithms are widely used， the limitations of this article for Aprior algorithm， genetic algorithm in association rule data mining for analysis and survey of a university freshmen the data， for example， to dig out the relevant contact the school environment， employment， campus community activities， canteen standards and other factors with students and student high school students to the situation between the level that can be focused on helping college admissions consulting and publicity for students in different regions to take a different form of publicity and promotional content， to further expand the enrollment of the school.

Key words： Genetic Algorithms；Data Mining；Association Rule；Admissions publicity

1 引言

1.1 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘技術(shù)一般是指從海量數(shù)據(jù)中自動搜索隱藏于其中的有著特殊關(guān)聯(lián)性的信息的過程。主要有數(shù)據(jù)準備、規(guī)律尋找和規(guī)律表示3個步驟。數(shù)據(jù)挖掘的任務有關(guān)聯(lián)規(guī)則分析、分類分析、聚類分析、異常分析、特異群組分析以及演變分析等。其中的關(guān)聯(lián)規(guī)則分析具有很多商業(yè)價值，被廣泛的研究和應用。

1.2 關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則是數(shù)據(jù)庫中存在的一類重要的可被發(fā)現(xiàn)的知識。如果兩個或多個變量的取值之間存在某些規(guī)律性，就稱為關(guān)聯(lián)。關(guān)聯(lián)分為簡單關(guān)聯(lián)、時序關(guān)聯(lián)和因果關(guān)聯(lián)。關(guān)聯(lián)規(guī)則分析的目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)性。人們有時并不知道數(shù)據(jù)庫中數(shù)據(jù)的關(guān)聯(lián)函數(shù)，因此關(guān)聯(lián)分析生成的規(guī)則帶有一定可信度。關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)海量數(shù)據(jù)中屬性之間有趣的關(guān)聯(lián)或一定規(guī)律。

1.3 遺傳算法

遺傳算法是計算數(shù)學中用于解決最佳化的一種進化算法。進化算法最初是能過研究了進化生物學中的一些現(xiàn)象而發(fā)展起來的，這些現(xiàn)象包括了遺傳、突變、自然選擇以及雜交等。遺傳算法一般用一種計算機模擬來實現(xiàn)。對于某個最優(yōu)化問題，一定數(shù)量個體的抽象表示（稱為染色體）的種群向更優(yōu)的個體進化。

2 基于遺傳算法的關(guān)聯(lián)規(guī)則挖掘

2.1 學生入學調(diào)查數(shù)據(jù)進行遺傳算法的編碼方法

行遺傳算法編碼是應用遺傳算法時要解決的主要問題，也是設計遺傳算法的一個關(guān)鍵步驟。編碼方法選擇影響到交叉算子、變異算子等遺傳算子的運算方法，在很大程度上決定了遺傳進化的效率。時至今日人們已經(jīng)提出了許多種不同的編碼方法。本文采用實數(shù)數(shù)組的編碼方案，因為其具備不僅簡單、通用、魯棒性強，適于并行分布處理等之外還方便了遺傳算子的操作。在采用數(shù)組編碼后的交叉、變異等操作實際上就成了對數(shù)組中數(shù)據(jù)進行操作，在本文中，我們把學生調(diào)查情況全部讀入數(shù)據(jù)庫，對一些屬性進行合并，并適當對一些屬性進行刪除，重新建立了一個學生基本信息與學生調(diào)查信息數(shù)據(jù)庫，如下表所示：

由于采用的是實數(shù)數(shù)組編碼，其中一條規(guī)則就是一條實數(shù)編碼串，又分為兩個部分：規(guī)則的屬性部分和規(guī)則類別，比如1131240=>122，所以我們要將屬性值也用數(shù)值型來表示。例如如下幾個表。

學生所在中學性質(zhì)，分為兩種情況，普通高中，職業(yè)高中，分別為其編碼0，1。同時將分數(shù)等級等其它特征進行編碼，在這里不一一列表。

結(jié)論屬性表為分就業(yè)情況、校園環(huán)境、食堂消費水平、專業(yè)設置、校園文化五個表，表3為就業(yè)率注重情況表。

經(jīng)過分析，編號和年齡屬性與我們發(fā)現(xiàn)的關(guān)聯(lián)知識沒有關(guān)系，而性別屬性也與我們發(fā)現(xiàn)的關(guān)聯(lián)知識相關(guān)度不大，因此我們省略不用。

2.2 遺傳算法的運行參數(shù)設定

遺傳算法參數(shù)包括種群規(guī)模M、變量個數(shù)L、交叉概率Pc、變異概率Pm以及運算的終止進化代數(shù)T。參數(shù)的設定對算法的運行性能有著很大的影響，所以取值一定要認真。

2.2.1 種群規(guī)模M

種群規(guī)模M表示數(shù)據(jù)群體中所含調(diào)查個體的全部數(shù)量。其取值一定要適當，當數(shù)值太小時，遺傳算法的運算速度提高了，但反映不出群體的多樣式，也推理不出有價值的結(jié)論，造成遺傳算法的早熟；而當M的取值太大時，遺傳算法的運行效率會相應降低。所以，我們要綜合這兩個方面來考慮M的取值。本例中選取初始群體的規(guī)模為100.

2.2.2 變量個數(shù)L

變量個數(shù)與所用的編碼方法有關(guān)。本文采用的實數(shù)數(shù)組的編碼方案，變量個數(shù)等于數(shù)據(jù)庫中相關(guān)字段的數(shù)量。根據(jù)分析，我們設定變量個數(shù)L為10。

2.2.3 變異概率P1

變異概率決定了物種的多樣性。如果取值過大，有可能很多比較好的模式被破壞，使遺傳算法的性能于隨機搜索算法的性能類似；若取值過小，則變異操作產(chǎn)生新個體抑制遺傳算法早熟現(xiàn)象的能力會較差。本例中， P1取為0.04。

2.2.4 交叉概率P2

交叉概率的選取一般為較大的值?？墒侨绻^大，就會破壞群體中的優(yōu)良模式。若取值過小，產(chǎn)生新個體的速度就會變慢。在本例中我們?nèi)≈?.8。

2.2.5 終止代數(shù) T

終止代數(shù)T是指表示遺傳算法運行結(jié)束條件的一個參數(shù)，它表示算法要進行到滿足指定進化代數(shù)后就停止，并將當前群體中產(chǎn)生的最佳個體作為最優(yōu)結(jié)論進行輸出。在本例中，我們所要得到的是一個滿足給定閾值的規(guī)則集合，而并不是求最優(yōu)解，所以終止代數(shù)是經(jīng)過幾代運算后，當沒有小于給定閾值的規(guī)則產(chǎn)生時，系統(tǒng)運行就停止。

2.3 用遺傳算法提取關(guān)聯(lián)規(guī)則

算法如下：

Step1：初始化

（1） 隨機產(chǎn)生一個初始種群P={A1，A2，…..An}；

（2） 輸入用戶給定的支持度S，可信度C，興趣度I；

Step2：進行選擇

（1） 計算目前種群P中的個體適應度：f（A）=S/S；

（2） 根據(jù)f（A）對個體進行篩選：若大于1，則保留個體進行產(chǎn)生下一代，否則刪除個體，并計算出保留下的個體數(shù)M；

Step3：若M

Step4：對交配池T和后代O進行初始化。

Step5：將當前種群中的所有個體都復制到交配池中；

Step6：隨機從T中選擇個體A和A，按照概率Pc進行交叉；

Step7：在當前種群P中選擇M個個體按照概率Pc進行變異；

Step8：判斷是否終止條件；

Step9：利用置信度和興趣度進行規(guī)則的提取。

3 發(fā)現(xiàn)的規(guī)則

根據(jù)以上的算法，我們在新生信息和調(diào)查信息數(shù)據(jù)庫中發(fā)現(xiàn)部分有價值的關(guān)聯(lián)規(guī)則如下：

規(guī)則1：學生生源地為縣級及以下地區(qū)、普通高中畢業(yè)，并且分數(shù)中等的學生，非常注重學校的專業(yè)水平和就業(yè)水平對校園文化和學校環(huán)境感興趣情況一般。

規(guī)則2：學生生源地為一級城市、職業(yè)高中，并且分數(shù)較低的同學，非常注重學生的環(huán)境和校園文化對專業(yè)水平比較重視對專升本情況感興趣一般。

規(guī)則3：學生生普通高中畢業(yè)，分數(shù)較高，非常注重專升本情況及學校的專業(yè)水平對就業(yè)水平比較感興趣，對校園文化感興趣情況一般。

以上對好多規(guī)則進行了省略，總之，此挖掘算法在大專院校對外招生宣傳側(cè)重方向上起了很大的作用，挖掘出了學生生源地、畢業(yè)院校、成績等級等因素與所關(guān)心學校的各種情況之間的潛在關(guān)聯(lián)。

4 結(jié)束語

本文對遺傳算法在關(guān)聯(lián)規(guī)則提取方面的應用進行了初步的分析，還有許多問題需要進一步地去學習和探討。文中所采用的掘算法主要考慮了兩個稱作支持度和可信度的閾值，但近來的研究表明： 在現(xiàn)實應用中只考慮這兩個閾值是不夠的，可能會產(chǎn)生錯誤的規(guī)則。在高校中，基本關(guān)聯(lián)規(guī)則的挖掘算法還可以應用在學生心理分析、貧困生選取等其他方面， 都會具有很好的實用價值.

參考文獻：

[1] 薛慧君.基于遺傳算法的關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘的應用研究[D].天津：天津大學，2006，06

[2] 許珂 劉希玉.基于遺傳算法的關(guān)聯(lián)規(guī)則挖掘方法及應用[J].重慶工學院學報，2007年，7：132-133

[3] 肖冬榮. 基于遺傳算法的關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘[J].通信技術(shù)，2010（1）：205-207

[4] 何小東 劉衛(wèi)國，數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則挖掘算法比較研究[J]，計算機工程與設計，2005，5（5）：1265-1268.