论文部分内容阅读
关联规则是数据挖掘发现的重要知识,完全频繁项集的发现是挖掘关联规则的关键步骤.蚁群算法是一种元启发式算法,已经有效应用于许多组合优化问题.因此,提出一种新的应用蚁群算法挖掘完全频繁项集的方法.对比实验表明,该算法是智能高效的.
挖掘完全频繁项集的蚁群算法
【摘 要】
：
关联规则是数据挖掘发现的重要知识,完全频繁项集的发现是挖掘关联规则的关键步骤.蚁群算法是一种元启发式算法,已经有效应用于许多组合优化问题.因此,提出一种新的应用蚁群
【机 构】
：
福建农林大学计算机与信息学院
【出 处】
：
微电子学与计算机
【发表日期】
：
2014年12期
其他文献
设计并实现了一种基于高性能计算集群的并行关联规则挖掘方法.该算法采用分离的策略仅需对本地数据库进行一次访问,能有效降低I/O开销,同时利用MPI/OpenMP混合编程模式,最大
提出了一种基于分组自适应多叉树的RFID防碰撞算法,该算法将标签分为多组并按分组处理标签,减少同一时刻同时响应的标签的数目,从而减少碰撞发生的概率,对同一分组的标签,按照碰撞因子自动选择动态二叉树或动态四叉树搜索,同时采用后退策略。仿真结果表明,该算法在平均查询次数及传输数据量上较其他算法都有较大提高.
提出基于一种改进的行为视觉识别算法,并且应用到公车人员危险动作检测中,依据视觉识别的目标检测结果,运用动态形状基描述过滤后的三维数据结构元素,构建公车上人员危险动作的轮廓区域,根据形状基特征对比检测相关人员三维行为特征数据库,实现公车上人员危险性动作的智能检测.仿真实验结果表明,采用所提方法对公车上人员的危险行为进行检测,得到的结果具有更高的准确性与有效性.