基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于分布式数据挖掘技术,提出了一种基于自适应蚁群算法的分布式分类规则算法.该算法采用了不同的启发式函数及信息素改变方法,引入了自适应机制与变异策略,从而达到缩短蚁群算法计算时间、加快算法收敛速度、提高预测准确率的目的.实验结果验证了该算法的有效性.
推荐文章
蚁群算法在分布式智能答疑系统中的应用研究
分布式智能答疑系统
蚁群算法
数据挖掘
范例库
蜂群—蚁群自适应优化算法
优化问题
蚁群优化
人工蜂群算法
一种基于蚁群算法的分类规则挖掘算法
蚁群算法
分类规则
自适应机制
变异策略
基于SPRINT分类算法的异构分布式数据挖掘研究
SPRINT
分类算法
分布式数据挖掘
异构
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于自适应蚁群算法的分布式分类规则挖掘算法
来源期刊 科学技术与工程 学科 工学
关键词 蚁群算法 分类规则 数据挖掘 分布式数据库
年,卷(期) 2007,(2) 所属期刊栏目 论文
研究方向 页码范围 199-202
页数 4页 分类号 TP301.6
字数 3015字 语种 中文
DOI 10.3969/j.issn.1671-1815.2007.02.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 高尚 江苏科技大学电子信息学院 159 1624 18.0 34.0
5 汤可宗 江苏科技大学电子信息学院 8 140 6.0 8.0
6 侯志远 江苏科技大学电子信息学院 3 30 3.0 3.0
7 周政尹 江苏科技大学电子信息学院 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (34)
共引文献  (491)
参考文献  (9)
节点文献
引证文献  (3)
同被引文献  (7)
二级引证文献  (2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(5)
  • 参考文献(0)
  • 二级参考文献(5)
1997(4)
  • 参考文献(1)
  • 二级参考文献(3)
1998(6)
  • 参考文献(0)
  • 二级参考文献(6)
1999(15)
  • 参考文献(2)
  • 二级参考文献(13)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
蚁群算法
分类规则
数据挖掘
分布式数据库
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科学技术与工程
旬刊
1671-1815
11-4688/T
大16开
北京市海淀区学院南路86号
2-734
2001
chi
出版文献量(篇)
30642
总下载数(次)
83
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导