基于多变异粒子群优化算法的模糊关联规则挖掘

被引:11
作者
王飞
缑锦
机构
[1] 华侨大学计算机科学与技术学院
关键词
数据挖掘; 粒子群优化; 变异算子; 多变异算子; 关联规则; 模糊规则;
D O I
暂无
中图分类号
TP18 [人工智能理论]; TP311.13 [];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 1201 ;
摘要
针对事务数据库中连续型数值较难划分及粒子群优化算法易陷入局部最优的问题,提出一种用多变异粒子群优化算法进行模糊关联规则提取的框架,即先对连续型数值进行模糊区间划分,再通过多变异粒子群优化算法对划分结果进行模糊关联规则挖掘。分别对模糊划分方法和多变异粒子群优化算法的相关参数及框架等进行说明。在多组实验中进行比较分析,结果表明了该方法的准确性和有效性。
引用
收藏
页码:217 / 223
页数:7
相关论文
共 17 条
[1]  
基于改进型遗传算法的关联规则挖掘方法.[A].向卓元;李颖;.2010 International Conference on Management Science and Engineering (MSE 2010).2010,
[2]  
基于微粒群算法的关联规则挖掘方法及应用.[D].王晓敏.山东师范大学.2010, 03
[3]   一种高效的多层和概化关联规则挖掘方法 [J].
毛宇星 ;
陈彤兵 ;
施伯乐 .
软件学报, 2011, 22 (12) :2965-2980
[4]   一种基于粒子群优化的成对组合测试算法框架 [J].
陈翔 ;
顾庆 ;
王子元 ;
陈道蓄 .
软件学报, 2011, 22 (12) :2879-2893
[5]   基于垂直数据分布的大型稠密数据库快速关联规则挖掘算法 [J].
崔建 ;
李强 ;
杨龙坡 .
计算机科学, 2011, 38 (04) :216-220
[6]   云计算环境下关联规则挖掘算法的研究 [J].
李玲娟 ;
张敏 .
计算机技术与发展, 2011, 21 (02) :43-46+50
[7]   PSO算法在关联规则挖掘中的应用 [J].
刘丛林 ;
张忠林 ;
曾庆飞 .
兰州交通大学学报, 2010, 29 (03) :96-99
[8]   多层关联规则挖掘算法的研究及应用 [J].
陈申燕 ;
曹旻 .
计算机工程与设计, 2010, 31 (04) :885-888
[9]   关联规则挖掘技术研究进展 [J].
程舒通 ;
徐从富 .
计算机应用研究, 2009, 26 (09) :3210-3213
[10]   基于人工免疫的多维关联规则挖掘及其应用研究 [J].
朱玉 ;
张虹 ;
孔令东 .
计算机科学, 2009, 36 (08) :239-242