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:
为帮助企业在销售资料数据库中,有效地挖掘出有用的规则,结合蚁群算法与主成分因素分析法,提出一套整合性数据挖掘方法.为了证明该方法的效能,收集了一个大型商场的销售数据,并配合其它数据挖掘软件XpertRule Miner与该方法的挖掘结果进行了分析比较.实验结果显示该方法能有效地挖掘出隐藏在数据库中的知识,进而能提供给决策者更有用的信息.
推荐文章
一种基因与蚁群的融合算法研究
基因算法
蚁群算法
优化
一种基于蚁群算法的任务调度方法
蚁群算法
网格计算
遗传算法
退火算法
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
一种改进的蚁群WSN路由算法
蚁群算法
生命周期
能量路由
信息素
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 一种融合蚁群算法和主成份分析的数据挖掘方法
来源期刊 四川大学学报(自然科学版) 学科 工学
关键词 数据挖掘 关联规则 蚁群算法 主成分因素分析
年,卷(期) 2011,(1) 所属期刊栏目 计算机科学
研究方向 页码范围 73-79
页数 分类号 TP301
字数 4884字 语种 中文
DOI 10.3969/j.issn.0490-6756.2011.01.014
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 曾碧卿 华南师范大学南海校区信息工程与技术系 51 304 9.0 15.0
2 熊芳敏 华南师范大学南海校区信息工程与技术系 11 49 3.0 6.0
3 岑宇森 广东肇庆学院计算机学院 9 33 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (110)
参考文献  (7)
节点文献
引证文献  (8)
同被引文献  (40)
二级引证文献  (20)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(5)
  • 参考文献(2)
  • 二级参考文献(3)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(6)
  • 引证文献(6)
  • 二级引证文献(0)
2013(4)
  • 引证文献(0)
  • 二级引证文献(4)
2014(4)
  • 引证文献(0)
  • 二级引证文献(4)
2015(3)
  • 引证文献(0)
  • 二级引证文献(3)
2016(3)
  • 引证文献(0)
  • 二级引证文献(3)
2017(5)
  • 引证文献(1)
  • 二级引证文献(4)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
数据挖掘
关联规则
蚁群算法
主成分因素分析
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
四川大学学报(自然科学版)
双月刊
0490-6756
51-1595/N
大16开
成都市九眼桥望江路29号
62-127
1955
chi
出版文献量(篇)
5772
总下载数(次)
10
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导