基于人工蜂群优化的多段支持度数据挖掘仿真

发布时间：2022-08-23 14:38

　　针对当前多段支持度数据挖掘方法中存在的挖掘效率较低,查全率较低等不足之处,通过相关算法研究,提出基于人工蜂群优化的多段支持度数据挖掘方法。以数据项集支持度思想与重要性质为依据,计算数据项集的综合支持度;构建数据关联规则支持度函数,结合最大值最小值定理及介质定理,确定关联规则支持度;根据数据综合支持度及关联规则支持度计算结果,利用支持向量机进行数据空间映射以及数据分类;通过构建精英蜂群策略及侦查蜂搜索机制更新,对传统人工蜂群算法进行改进,利用改进后人工蜂群算法优化支持向量机参数,提高数据分类挖掘精度。实验结果表明,所提方法的挖掘效率及查全率高于实验对比方法,且支持度预估误差明显低于实验对比方法。 

【文章页数】：4 页

【部分图文】：

种方法的查全率比较

种方法的支持度估计误差比较

【参考文献】：
期刊论文
[1]基于数据集稀疏度的频繁项集挖掘算法性能分析[J]. 肖文,胡娟.  计算机应用. 2018(04)
[2]非结构化网络中有价值信息数据挖掘研究[J]. 林媛.  计算机仿真. 2017(02)
[3]基于数据立方体的多最小支持度关联规则在犯罪分析中的应用[J]. 王海波,张永田,吴升.  测绘科学技术学报. 2016(04)
[4]时间序列数据挖掘的相似性度量综述[J]. 陈海燕,刘晨晖,孙博.  控制与决策. 2017(01)
[5]一种用于云计算数据库的数据挖掘方法研究[J]. 张兵.  控制工程. 2016(06)
[6]基于改进FSVM的数据挖掘分类算法[J]. 赵小强,张露.  兰州理工大学学报. 2016(02)
[7]一种强化互学习的人工蜂群算法[J]. 罗浩,刘宇.  计算机工程与应用. 2016(16)
[8]基于潜在语义信息的城市功能区识别——广州市浮动车GPS时空数据挖掘[J]. 陈世莉,陶海燕,李旭亮,卓莉.  地理学报. 2016(03)
[9]《中医方剂大辞典》含丹参、红花药对组方规律数据挖掘分析[J]. 崔一然,刘欣,申丹,杨洪军,唐仕欢.  中国中药杂志. 2016(03)
[10]多尺度数据挖掘方法[J]. 柳萌萌,赵书良,韩玉辉,苏东海,李晓超,陈敏.  软件学报. 2016(12)



本文编号：3677948