原文服务方: 计算机应用研究       
摘要:
为了提高挖掘的效率和精度,采用代数定义最大频繁项集并建立其数学模型,通过二进制编码将支持度的计算、蚁群算法和遗传算法求解有机地融合,从而提出一种求解该数学模型的遗传蚁群算法.实验表明,该算法挖掘最大频繁项集是有效的,具有良好的伸缩性.
推荐文章
挖掘完全频繁项集的蚁群算法
数据挖掘
关联规则
完全频繁项集
蚁群算法
基于改进蚁群算法的频繁项集数据挖掘模型
频繁项集
TSP最短路径
蚁群算法
信息素
挖掘最大频繁项集的改进蚁群算法
数据挖掘
最大频繁项集
蚁群优化
最大最小蚂蚁系统
关联图
快速挖掘最大频繁项集
数据挖掘
关联规则
最大频繁项集
频繁模式矩阵
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 挖掘最大频繁项集的遗传蚁群优化算法
来源期刊 计算机应用研究 学科
关键词 关联规则 最大频繁项集 遗传算法 蚁群算法
年,卷(期) 2010,(7) 所属期刊栏目 算法研究探讨
研究方向 页码范围 2505-2508
页数 分类号 TP311
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2010.07.029
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 黄习培 福建农林大学计算机与信息学院 15 67 5.0 7.0
2 王秀丽 福建农林大学计算机与信息学院 20 87 6.0 8.0
3 黄红星 福建农林大学计算机与信息学院 6 20 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (19)
参考文献  (8)
节点文献
引证文献  (2)
同被引文献  (6)
二级引证文献  (11)
1996(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(2)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
2013(2)
  • 引证文献(0)
  • 二级引证文献(2)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
关联规则
最大频繁项集
遗传算法
蚁群算法
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导