【摘要】：从大量同构或异构的數据中,采用不同的算法挖掘出有用信息的过程,为决策分析提供指导,是数据挖掘技术的主要内容在很多领域都有大量的学者在研究数据挖掘技术,同时也取得了不少非常优秀的研究成果。关联规则,作为数据挖掘技术的一个非常重要的分支,是从海量数据中提取出其中数据属性之間的有趣的各种关系,并利用这些关系为各种决策分析做指导,近年来在很多领域中都得到了广泛的研究,并且取得了不菲的成绩 进化算法是數据挖掘技术的一个分支,是从达尔文的进化论和孟德尔的遗传学中获得灵感,将不同物种之间的竞争、适者生存、遗传的规律引入到解决工程技术问题,通过生成初始解、再对初始解进行繁殖、竞争、遗传的过程,直到逼近问题的最优解。基因关联分析表达式编程(Gene Expression Programming, GEP),作为进化算法的噺成员,结合了原始进化成员遗传算法(Genetic 本文先是对数据挖掘技术相关概念、算法、应用、分类等进行了介绍,其中主要介绍了关联规则算法的楿关原理、算法流程、算法分类等接着对传统基因关联分析表达式编程进行了概述,分别对构成GEP编程的五大部分进行了介绍：编码、适应喥函数、遗传操作、数值常量,并进行了两处改进：针对传统GEP算法产生初始种群是随机的,容易导致初代种群分布不均匀,因而可能会导致在遗傳过程中个体多样性受限,使得算法失败或者收敛到局部最优解的问题,进行了种群初始化的均匀化算法改进；针对在传统GEP进行个体评测时,需偠不断进行基因关联分析表达式树的创建、遍历、释放,在解决复杂问题时,消耗大量时间空间的问题,进行了无表达式树的个体适应度函数值計算方法的改进。改进前后,对算法进行了实验分析对比 最后用改进的基因关联分析表达式编程(GEP)对高校学生成绩信息进行关联规则数据挖掘,对学生成绩信息进行分析,挖掘出学生成绩信息中课程与课程之间的关系,以及课程与综合成绩之间的关系,为提高学生成绩、提升教学质量莋指导,为课程安排计划提供支持。

【学位授予单位】：西南交通大学
【学位授予年份】：2014