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:
传统的数据挖掘聚类分析算法在很大程度上依赖于初始数据选择,如果选择不合适,函数将不能收敛到全局最优,信息数据将会发生偏移.为了解决上述缺陷,将遗传算法与聚类分析中的k均值算法相结合,可以实现全局优化,可以实时处理数据,避免陷入局部误差中,同时提高了算法的收敛速度和精度.
推荐文章
遗传算法在数据挖掘中的应用
数据挖掘
遗传算法
编码
交叉
变异
基于遗传算法与神经网络混合算法的数据挖掘技术综述
数据挖掘
数据库
遗传算法
神经网络
遗传算法在数据挖掘中的应用
数据挖掘
遗传算法
分类规则
多群体
遗传算法在决策支持系统和数据挖掘中的应用
遗传算法
决策支持系统
数据挖掘
关联规则
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 遗传算法在数据挖掘技术中的应用研究
来源期刊 仪表技术 学科 工学
关键词 遗传算法 数据挖掘 优化 数据库 数学模型
年,卷(期) 2015,(12) 所属期刊栏目
研究方向 页码范围 43-44,48
页数 3页 分类号 TP257
字数 语种 中文
DOI
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 张宁 4 0 0.0 0.0
2 鹿珂珂 4 0 0.0 0.0
3 李祥 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (39)
共引文献  (152)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(7)
  • 参考文献(0)
  • 二级参考文献(7)
1997(6)
  • 参考文献(0)
  • 二级参考文献(6)
1998(7)
  • 参考文献(0)
  • 二级参考文献(7)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(6)
  • 参考文献(1)
  • 二级参考文献(5)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(4)
  • 参考文献(3)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(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)
研究主题发展历程
节点文献
遗传算法
数据挖掘
优化
数据库
数学模型
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
仪表技术
月刊
1006-2394
31-1266/TH
大16开
上海市
4-351
1972
chi
出版文献量(篇)
4081
总下载数(次)
14
总被引数(次)
17317
论文1v1指导