改进蚁群算法MMAS在分类规则挖掘中的研究

• 作者: 刘寿强 唐飞 蔡铁 陆芸婷 陈宝钢
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 数据挖掘 分类规则 蚁群算法 最大最小蚂蚁系统 AntMiner+
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 应用开发研究
• 页码范围: 179-183
• 页数: 5页
• 分类号: TP312
• 字数: 3607字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.06.044

摘要

为深入研究和评估蚁群算法在分类规则挖掘应用中具有的特点和作用，针对目前基本蚁群算法在数据挖掘方面所存在的不足，引入了改进的蚁群算法模型最大最小蚂蚁系统( MMAS)。并根据分类算法比较原则，通过实验分析对分类规则挖掘算法进行比较。根据使用不同数据集实验结果的对比分析，从仿真的精确度、速度等方面展示和证实了基于改进的蚁群算法模型MMAS的数据分类规则挖掘工具AntMiner+在分类规则挖掘中体现出的特点和优势。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘寿强	华南师范大学物理与电信工程学院	56	390	9.0	18.0
2	蔡铁		23	73	6.0	7.0
3	陈宝钢	河南农业大学信息与管理科学学院	15	19	3.0	3.0
4	陆芸婷		18	32	4.0	5.0
5	唐飞		25	46	4.0	4.0