一种融合蚁群算法和主成份分析的数据挖掘方法

被引:7
作者
岑宇森 [1 ]
熊芳敏 [2 ]
曾碧卿 [2 ]
机构
[1] 广东肇庆学院计算机学院
[2] 华南师范大学南海校区信息工程与技术系
关键词
数据挖掘; 关联规则; 蚁群算法; 主成分因素分析;
D O I
暂无
中图分类号
TP301.6 [算法理论]; TP311.13 [];
学科分类号
081202 ; 1201 ;
摘要
为帮助企业在销售资料数据库中,有效地挖掘出有用的规则,结合蚁群算法与主成分因素分析法,提出一套整合性数据挖掘方法.为了证明该方法的效能,收集了一个大型商场的销售数据,并配合其它数据挖掘软件XpertRule Miner与该方法的挖掘结果进行了分析比较.实验结果显示该方法能有效地挖掘出隐藏在数据库中的知识,进而能提供给决策者更有用的信息.
引用
收藏
页码:73 / 79
页数:7
相关论文
共 7 条
[1]   基于蚁群算法PID神经网络的热连轧活套系统自适应解耦控制 [J].
周建新 .
四川大学学报(自然科学版), 2010, 47 (02) :322-326
[2]   基于HORAFA算法的改进增量数据挖掘算法 [J].
党圣鸣 ;
高敬媛 ;
姚宏 .
四川师范大学学报(自然科学版), 2009, 32 (05) :707-710
[3]   数据挖掘中加权时态关联规则的构造 [J].
朱建平 ;
乐燕波 .
计算机工程, 2008, (06) :51-53
[4]   动态调整选择策略的改进蚁群算法 [J].
郑松 ;
侯迪波 ;
周泽魁 .
控制与决策 , 2008, (02) :225-228
[5]   一种本体和上下文知识集成化的数据挖掘方法 [J].
陈英 ;
徐罡 ;
顾国昌 .
软件学报, 2007, (10) :2507-2515
[6]   蚁群算法的收敛速度分析 [J].
黄翰 ;
郝志峰 ;
吴春国 ;
秦勇 .
计算机学报, 2007, (08) :1344-1353
[7]   SUPPORT-VECTOR NETWORKS [J].
CORTES, C ;
VAPNIK, V .
MACHINE LEARNING, 1995, 20 (03) :273-297