基于GEP和復(fù)雜網(wǎng)絡(luò)的高校突發(fā)事件關(guān)聯(lián)規(guī)則及其預(yù)測關(guān)鍵技術(shù)研究.pdf

1、近幾年我國高校突發(fā)事件的頻繁發(fā)生，給學校本身及整個社會造成重大影響。挖掘高校突發(fā)事件的誘發(fā)因素及結(jié)果因素之間的關(guān)聯(lián)關(guān)系，對有效預(yù)防高校突發(fā)事件具有重要意義。
　　然而傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘算法在挖掘過程中需要多次重復(fù)地掃描數(shù)據(jù)庫，同時產(chǎn)生大量候選集，效率比較低。因此，針對高校突發(fā)事件數(shù)據(jù)集，如何建立一個高效的關(guān)聯(lián)規(guī)則挖掘算法是當前的一個亟待解決的問題。
　　針對傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘算法存在的不足，本文將把 GEP和復(fù)雜網(wǎng)絡(luò)引入到關(guān)聯(lián)

2、規(guī)則挖掘當中，利用復(fù)雜網(wǎng)絡(luò)構(gòu)造高校突發(fā)事件復(fù)雜模型，并結(jié)合 GEP的簡單基因編碼在全局范圍內(nèi)搜索最優(yōu)解的能力來優(yōu)化關(guān)聯(lián)規(guī)則挖掘的原始數(shù)據(jù)，旨在減少關(guān)聯(lián)規(guī)則挖掘的時間，從而彌補傳統(tǒng)算法不足。本文主要工作如下：
　　第一，本文針對高校突發(fā)事件特點，提取事件各個屬性，根據(jù)事件屬性劃分為誘發(fā)因素和后果因素，然后進行數(shù)據(jù)清理，把數(shù)據(jù)整合到一個數(shù)據(jù)庫。
　　第二，根據(jù)高校突發(fā)事件特征，確定復(fù)雜網(wǎng)絡(luò)的節(jié)點和邊，構(gòu)造高校突發(fā)事件網(wǎng)絡(luò)模型。<

3、br>　　第三，在此基礎(chǔ)上，引入基因表達式編程優(yōu)化算法全局搜索最優(yōu)解，提出 GEP-ECD(Event Network Community Division Algorithm Based on The GEP，GEP-ECD)社區(qū)劃分算法，對復(fù)雜網(wǎng)絡(luò)突發(fā)事件模型進行社區(qū)劃分，輸出社區(qū)表。
　　第四，提出 GCAR(Association Rules Algorithm Based on the GEPand Complex Ne