挖掘最大频繁项集的朴素蚁群优化算法

被引：1

作者：

黄红星

景林

黄习培

机构：

[1] 福建农林大学计算机与信息学院

来源：

计算机工程与设计 | 2011年 / 32卷 / 01期

关键词：

数据挖掘; 最大频繁项集; 非线性优化; 蚁群优化;

D O I：

10.16208/j.issn1000-7024.2011.01.060

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

为了挖掘大型数据库中的最大频繁项集,为其建立了非线性优化模型,并给出一种朴素蚁群算法求解。该算法只需要扫描一次数据库,不使用启发式信息而采用朴素信息素模型,即信息素释放在与每个项关联的有两个边上,从而将边与项紧密联系起来,既构建了蚁群的路径,又挖掘最大频繁项集。采用与问题紧密相关的局部更新、全局更新和局部搜索机制。理论分析和对比实验结果表明了该算法的有效性。

引用

页码：301 / 304

页数：4

共 7 条

[1] 蚁群算法在最大频繁项集挖掘问题中的应用
宋洁
刘华
谭庆
顾军华
[J]. 计算机工程与设计, 2008, (20) : 5290 - 5292
[2] 挖掘关联规则的蚁群算法
屠莉
陈崚
[J]. 南京邮电大学学报(自然科学版), 2006, (05) : 36 - 40
[3] 一种新的多维关联规则挖掘算法
沈国强
覃征
[J]. 小型微型计算机系统, 2006, (02) : 291 - 294
[4] 蚁群算法在关联规则学习中的研究与应用.[D].唐文志.北京工业大学.2009, 09
[5] 基于群体智能的关联规则挖掘方法及应用.[D].许珂.山东师范大学.2008, 08
[6] Association rule mining through the ant colony system for National Health Insurance Research Database in Taiwan.[J].R.J. Kuo;C.W. Shih.Computers and Mathematics with Applications.2007, 11
[7] 蚁群优化.[M].(意)多里戈(Dorigo; M. )，(德)施蒂茨勒(Stutzle; T. )著.清华大学出版社.2007,

← 1 →