【摘要】：針對量化關(guān)聯(lián)規(guī)則的特點,提出基于多目標(biāo)煙花算法和反向?qū)W習(xí)的量化關(guān)聯(lián)規(guī)則挖掘算法.該算法通過多目標(biāo)煙花算法全面搜索關(guān)聯(lián)規(guī)則,引入反向?qū)W習(xí)提高算法收斂速度并降低算法陷入局部最優(yōu)的概率,使用基于相似度的冗余淘汰機(jī)制保持庫中關(guān)聯(lián)規(guī)則的多樣性,經(jīng)過多次迭代最終獲得關(guān)聯(lián)規(guī)則集合.文中算法無需人為指定支持度、置信度等閾值,實驗表明,算法在不同數(shù)據(jù)集上均獲得穩(wěn)定結(jié)果,能充分覆蓋數(shù)據(jù)集,在可靠性、相關(guān)性及可理解性之間獲得較好的均衡.
[Abstract]:According to the characteristics of quantized association rules, a mining algorithm of quantized association rules based on multi-objective fireworks algorithm and reverse learning is proposed. In this algorithm, multi-objective fireworks algorithm is used to search association rules, reverse learning is introduced to improve the convergence speed of the algorithm and reduce the probability of the algorithm falling into the local optimum, and the similarity based redundancy elimination mechanism is used to maintain the diversity of association rules in the database. After many iterations, the set of association rules is obtained. The proposed algorithm does not need artificial support and confidence threshold. Experiments show that the algorithm can obtain stable results on different data sets, and can cover the data sets adequately, and achieve a better balance between reliability, correlation and comprehensibility.
【作者單位】： 南昌大學(xué)信息工程學(xué)院;
【基金】：國家自然科學(xué)基金項目(No.61262049) 江西省教育廳科學(xué)技術(shù)研究項目(No.GJJ13087)資助~~
【分類號】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李美蓮;白婷婷;王宇平;;解決一類特殊多目標(biāo)優(yōu)化問題的因子分析方法[J];徐州工程學(xué)院學(xué)報(自然科學(xué)版);2010年03期

2 劉淳安;王宇平;;約束多目標(biāo)優(yōu)化問題的進(jìn)化算法及其收斂性[J];系統(tǒng)工程與電子技術(shù);2007年02期

3 樊紀(jì)山;劉冠蓉;王魯;時忠偉;;一種改進(jìn)快速穩(wěn)定的多目標(biāo)優(yōu)化算法[J];計算機(jī)應(yīng)用研究;2007年04期

4 白似雪;黃美玲;;一種改進(jìn)的求解多目標(biāo)優(yōu)化問題的蟻群算法[J];南昌大學(xué)學(xué)報(理科版);2008年04期

5 蒲保興;楊路明;謝東;;嵌入用戶偏愛區(qū)域的多目標(biāo)優(yōu)化算法[J];小型微型計算機(jī)系統(tǒng);2009年01期

6 向勇;唐常杰;曾濤;劉胤田;喬少杰;;基于基因表達(dá)式編程的多目標(biāo)優(yōu)化算法[J];四川大學(xué)學(xué)報(工程科學(xué)版);2007年04期

7 王艷;曾建潮;;一種基于擬態(tài)物理學(xué)優(yōu)化的多目標(biāo)優(yōu)化算法[J];控制與決策;2010年07期

8 馬晶晶;楊咚咚;焦李成;;免疫非支配自適應(yīng)粒子群多目標(biāo)優(yōu)化[J];西安電子科技大學(xué)學(xué)報;2010年05期

9 馬良;無約束多目標(biāo)優(yōu)化問題的算法[J];計算機(jī)工程與應(yīng)用;1997年04期

10 鞏敦衛(wèi);季新芳;孫曉燕;;基于集合的高維多目標(biāo)優(yōu)化問題的進(jìn)化算法[J];電子學(xué)報;2014年01期

相關(guān)會議論文 前2條

1 程鵬;唐雁;鄒顯春;;約束多目標(biāo)優(yōu)化試驗函數(shù)產(chǎn)生器[A];2008年計算機(jī)應(yīng)用技術(shù)交流會論文集[C];2008年

2 曾威;蔡自興;郭鋮;;一種基于ELECTRE法的多目標(biāo)優(yōu)化進(jìn)化算法[A];第十七屆全國過路控制會議論文集[C];2006年

相關(guān)博士學(xué)位論文 前4條

1 孫靖;用于區(qū)間參數(shù)多目標(biāo)優(yōu)化問題的遺傳算法[D];中國礦業(yè)大學(xué);2012年

2 張敏;約束優(yōu)化和多目標(biāo)優(yōu)化的進(jìn)化算法研究[D];中國科學(xué)技術(shù)大學(xué);2008年

3 胡超芳;基于決策者滿意度的多目標(biāo)模糊優(yōu)化算法研究[D];上海交通大學(xué);2007年

4 黃亮;膜計算優(yōu)化方法研究[D];浙江大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 劉培根;基于多目標(biāo)優(yōu)化和壓縮感知的航拍目標(biāo)檢測[D];電子科技大學(xué);2015年

2 王學(xué)驥;多目標(biāo)優(yōu)化裁剪分配管理系統(tǒng)的研究與開發(fā)[D];東南大學(xué);2015年

3 孟婷婷;基于決策者偏好信息的NPS-CSS算法研究[D];東北大學(xué);2014年

4 程慧敏;云環(huán)境中基于多目標(biāo)優(yōu)化的科學(xué)工作流數(shù)據(jù)布局策略研究[D];安徽大學(xué);2016年

5 唐敏;演化多目標(biāo)優(yōu)化測試問題的構(gòu)造[D];武漢理工大學(xué);2007年

6 李真;基于高維多目標(biāo)優(yōu)化的集團(tuán)信息運維指標(biāo)建模研究與應(yīng)用[D];安徽大學(xué);2013年

7 杜開程;多目標(biāo)優(yōu)化算法及其在油藏經(jīng)營中的應(yīng)用[D];西南石油大學(xué);2012年

8 劉彤;解多目標(biāo)優(yōu)化問題的進(jìn)化算法[D];西安電子科技大學(xué);2010年

9 劉廣;高維多目標(biāo)優(yōu)化的可視化技術(shù)研究[D];重慶大學(xué);2014年

10 邢志娟;多目標(biāo)優(yōu)化問題的蟻群算法研究[D];中國地質(zhì)大學(xué)（北京）;2010年

，

本文編號：2219940