1.一种基于自适应遗传算法的关联规则挖掘方法，其特征在于，包括：步骤S1：获取待挖掘数据，对所述待挖掘数据进行预处理；

步骤S2：基于Apriori算法，对预处理结果进行处理，获得频繁项集；

步骤S3：基于自适应遗传算法，对所述频繁项集进行处理，获得关联规则集；

步骤S4：基于预设的筛选规则，从所述关联规则集中筛选出关联规则。

2.如权利要求1所述的一种基于自适应遗传算法的关联规则挖掘方法，其特征在于，步骤S1中，对所述待挖掘数据进行预处理，包括：对所述待挖掘数据依次进行数据清洗和数据集成处理。

3.如权利要求1所述的一种基于自适应遗传算法的关联规则挖掘方法，其特征在于，步骤S2：基于Apriori算法，对预处理结果进行处理，获得频繁项集，包括：基于Apriori算法中的谱聚类将预处理结果离散化成布尔型数据；

计算所述布尔型数据中每个第一目标数据的第一支持度；

若所述第一支持度大于等于预设的最小支持度，将对应所述第一目标数据作为第二目标数据；

整合所述第二目标数据，获得频繁项集。

4.如权利要求1所述的一种基于自适应遗传算法的关联规则挖掘方法，其特征在于，步骤S3：基于自适应遗传算法，对所述频繁项集进行处理，获得关联规则集，包括：将所述频繁项集进行编码，生成初始种群P(t)＝{x1,x2,…,xn}；

计算所述初始种群P(t)中的每个个体的适应度f(t)，其中，优化的适应度函数如下：其中，f(t)是第t个个体适应度函数值；sup(t)是第t个个体的支持度，sup_min是设定的衡量支持度的一个阈值；conf(t)是第t个个体的置信度，conf_min是设定的衡量置信度的一个阈值；lift(t)是第t个个体的提升度，lift_min是设定的衡量提升度的一个阈值；

ω1，ω2，ω3是非负权重，0≤ω1，ω2，ω3≤1，并且ω1+ω2+ω3＝1；

若所述适应度大于等于预设的适应度阈值，将对应所述个体复制到下一代，否则，保留对应所述个体；

统计保留下来的所述个体的数目m，若所述数目小于预设的数目阈值n，随机生成n‑m个新个体，同时，去除所述适应度小于所述适应度阈值的所述个体；

根据交叉概率Pc进行自适应交叉操作，其中，所述交叉概率的计算公式如下：其中，e为自然常数，Pc1和Pc2为交叉概率，favg表示平均适应度值，f'表示交叉个体中适应度较大的值，G为繁殖代数；

根据变异概率Pm进行自适应交叉操作，其中，所述变异概率的计算公式如下：其中，e为自然常数，Pm1和Pm2为交叉概率，favg表示平均适应度值，f表示要变异个体的适应度值；

当自适应交叉操作完成后，自动获得关联规则集。

5.如权利要求1所述的一种基于自适应遗传算法的关联规则挖掘方法，其特征在于，步骤S4：基于预设的筛选规则，从所述关联规则集中筛选出关联规则，包括：计算所述关联规则集中的每个备选关联规则的支持度 置信度和提升度 其中

是关联规则的一种蕴含式，

X、Y表示两个项集，分别是关联规则的先导和后继，X∪Y表示X、Y的并集，N表示总事务个数，σ表示计数，sup(Y)是Y的支持度；

如果 和 提取对应所

述备选关联规则，作为关联规则；

获取相关性并对提取的关联规则进行解码。

6.一种基于自适应遗传算法的关联规则挖掘系统，其特征在于，包括：第一处理模块，用于获取待挖掘数据，对所述待挖掘数据进行预处理；

第二处理模块，用于基于Apriori算法，对预处理结果进行处理，获得频繁项集；

第三处理模块，用于基于自适应遗传算法，对所述频繁项集进行处理，获得关联规则集；

筛选模块，用于基于预设的筛选规则，从所述关联规则集中筛选出关联规则。

7.如权利要求6所述的一种基于自适应遗传算法的关联规则挖掘系统，其特征在于，所述第一处理模块执行如下操作：

对所述待挖掘数据依次进行数据清洗和数据集成处理。

8.如权利要求6所述的一种基于自适应遗传算法的关联规则挖掘系统，其特征在于，所述第二处理模块执行如下操作：

基于Apriori算法中的谱聚类将预处理结果离散化成布尔型数据；

计算所述布尔型数据中每个第一目标数据的第一支持度；

若所述第一支持度大于等于预设的最小支持度，将对应所述第一目标数据作为第二目标数据；

整合所述第二目标数据，获得频繁项集。

9.如权利要求6所述的一种基于自适应遗传算法的关联规则挖掘系统，其特征在于，所述第三处理模块执行如下操作：

将所述频繁项集进行编码，生成初始种群P(t)＝{x1,x2,…,xn}；

计算所述初始种群P(t)中的每个个体的适应度f(t)，其中，优化的适应度函数如下：其中，f(t)是第t个个体适应度函数值；sup(t)是第t个个体的支持度，sup_min是设定的衡量支持度的一个阈值；conf(t)是第t个个体的置信度，conf_min是设定的衡量置信度的一个阈值；lift(t)是第t个个体的提升度，lift_min是设定的衡量提升度的一个阈值；

ω1，ω2，ω3是非负权重，0≤ω1，ω2，ω3≤1，并且ω1+ω2+ω3＝1；

若所述适应度大于等于预设的适应度阈值，将对应所述个体复制到下一代，否则，保留对应所述个体；

统计保留下来的所述个体的数目m，若所述数目小于预设的数目阈值n，随机生成n‑m个新个体，同时，去除所述适应度小于所述适应度阈值的所述个体；

根据交叉概率Pc进行自适应交叉操作，其中，所述交叉概率的计算公式如下：其中，e为自然常数，Pc1和Pc2为交叉概率，favg表示平均适应度值，f'表示交叉个体中适应度较大的值，G为繁殖代数；

根据变异概率Pm进行自适应交叉操作，其中，所述变异概率的计算公式如下：其中，e为自然常数，Pm1和Pm2为交叉概率，favg表示平均适应度值，f表示要变异个体的适应度值；

当自适应交叉操作完成后，自动获得关联规则集。

10.如权利要求6所述的一种基于自适应遗传算法的关联规则挖掘系统，其特征在于，所述筛选模块执行如下操作：

计算所述关联规则集中的每个备选关联规则的支持度 置信度和提升度 其中

是关联规则的一种蕴含式，

X、Y表示两个项集，分别是关联规则的先导和后继，X∪Y表示X、Y的并集，N表示总事务个数，σ表示计数，sup(Y)是Y的支持度；

如果 和 提取对应所

述备选关联规则，作为关联规则；

获取相关性并对提取的关联规则进行解码。