期刊文献+

基于改进蚁群算法的频繁项集挖掘

下载PDF
导出
摘要 为提高关联规则中频繁集挖掘的效率,将频繁集的挖掘转化为TSP问题中最短路径的求解。应用蚁群算法的思想,结合频繁项集的特点对算法进行改进,进而挖掘满足最小支持度的项的组合。实验表明,与传统的Apriori算法相比,改进后的蚁群算法能够在较短的时间里挖掘出大部分的频繁项集,可以有效地进行频繁项集的挖掘。
作者 谭荣丽
出处 《软件导刊》 2012年第5期20-22,共3页 Software Guide
  • 相关文献

参考文献5

  • 1HAN J,PEI J,YIN Y. Mining frequent patterns without candidate generation[A].2000.
  • 2宋洁,刘华,谭庆,顾军华.蚁群算法在最大频繁项集挖掘问题中的应用[J].计算机工程与设计,2008,29(20):5290-5292. 被引量:9
  • 3JIAWEI HAN;MICHELINE KAMBER.数据挖掘概念与技术[M]北京:机械工业出版社,2006.
  • 4段海滨.蚁群算法原理及其应用[M]北京:科学出版社,2005.
  • 5RAMOS V,MERELO J J. Self-organized stigmergic document maps:environment as amechanism for context learning[A].2002.

二级参考文献8

  • 1葛洪伟,高阳.基于蚁群算法的集合覆盖问题[J].计算机工程与应用,2007,43(4):49-50. 被引量:9
  • 2Jiawei Han,Mieheline Kamber.数据挖掘概念与技术[M],北京:机械工业出版社,2006.
  • 3Han J,Pei J,Yin Y.Mining frequent patterns without candidate generation [C]. ACM SIGMOD International Conference Proceedings,2000: 1 - 12.
  • 4Bayardo R J.Efficiently mining long patterns from databases[C]. ACM SIGMOD Conference Proceedings, 1999:85-93.
  • 5Dorigo M,Gambardella L M.Ant colony system: A cooperative learning approach to the traveling salesman problem [J]. IEEE Trans on Evolutionary Computation,1997:53-66.
  • 6Maniezzo V, Dorigo M,Colomi A.The ant system applied to the quadratic assignment problem [R]. Belgium: Universite de Bruxelles, 1994.
  • 7Colomi A. Ant system for job-shop scheduling [J]. JORBEL, 1994,34(1):39-53.
  • 8路松峰,卢正鼎.快速开采最大频繁项目集[J].软件学报,2001,12(2):293-297. 被引量:113

共引文献8

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部