基于 MDLP-Apriori 算法的离散 Shannon 熵值标签排序

• 作者: 于磊 王普 翁壮 赵寒
• 来源期刊: 计算机应用研究
• 关键词: 最小描述准则 Apriori 算法 Shannon 熵值 KEBI 数据集 最小支持度
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1633-1636
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.06.008

摘要

针对传统 Apriori 算法在标签等级排序中辨识度不高的问题，提出一种基于最小化描述准则（MDLP） Apriori 算法的离散 Shannon 熵值算法。通过在 Shannon 熵值公式中增加额外参数，并结合自适应 MDLP 算法，增加 Apriori 算法对等级排序中分割点的识别能力，从而更加细致地观察标签细微差异；然后，利用改进算法分别在合成数据集和 KEBI 测试数据集上的仿真实验显示，MDLP-Apriori 算法在 Kendall 系数精度与偏差、分区数量等指标上均要优于对比算法。最后，通过实验给出最小支持度选取标准。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王普	北京工业大学电子信息与控制工程学院	206	1897	22.0	33.0
2	赵寒	北京工业大学电子信息与控制工程学院	2	3	1.0	1.0
3	翁壮	北京工业大学电子信息与控制工程学院	2	3	1.0	1.0
4	于磊	北京工业大学电子信息与控制工程学院	1	2	1.0	1.0