[1]陈宝钢,唐飞,蔡铁,等.改进蚁群算法MMAS在分类规则挖掘中的研究[J].计算机技术与发展,2014,24(06):179-183.
　CHEN Bao-gang[],TANG Fei[],CAI Tie[],et al.Research on Improved Ant Colony Algorithm MMAS in Classification Rule Mining[J].,2014,24(06):179-183.
点击复制

改进蚁群算法MMAS在分类规则挖掘中的研究()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
24
期数:
2014年06期
页码:
179-183
栏目:
应用开发研究
出版日期:
2014-06-30

文章信息/Info

Title:
Research on Improved Ant Colony Algorithm MMAS in Classification Rule Mining
文章编号:
1673-629X（2014）06-0179-05
作者:
陈宝钢1; 唐飞2; 蔡铁2; 陆芸婷2; 刘寿强[3]
1.河南农业大学 信息与管理科学学院；2.深圳信息职业技术学院；3.华南师范大学 物理与电信工程学院
Author(s):
CHEN Bao-gang[1]; TANG Fei[2]; CAI Tie[2]; LU Yun-ting[2]; LIU Shou-qiang[3]
关键词:
数据挖掘; 分类规则; 蚁群算法; 最大最小蚂蚁系统; AntMiner+
Keywords:
data mining; classification rule; ant colony algorithm; Max-Min Ant System ( MMAS); AntMiner+
分类号:
TP312
文献标志码:
A
摘要:
为深入研究和评估蚁群算法在分类规则挖掘应用中具有的特点和作用，针对目前基本蚁群算法在数据挖掘方面所存在的不足，引入了改进的蚁群算法模型最大最小蚂蚁系统( MMAS)。并根据分类算法比较原则，通过实验分析对分类规则挖掘算法进行比较。根据使用不同数据集实验结果的对比分析，从仿真的精确度、速度等方面展示和证实了基于改进的蚁群算法模型MMAS的数据分类规则挖掘工具AntMiner+在分类规则挖掘中体现出的特点和优势。
Abstract:
In order to study and evaluate the features and functions of ant colony algorithm in classification rule mining applications in-depth,aiming at the deficiencies of the basic ant colony algorithm,introduce improved ant colony algorithms,the Max-Min Ant System (MMAS). And according to the comparison principle of the classification rule mining algorithm,make a comparison for classification rule mining algorithms through the experimental analysis. The results show that the AntMiner+based on MMAS model has great advanta-ges in the classification rule mining from simulation accuracy and speed.

相似文献/References:

[1]项响琴 汪彩梅.基于聚类高维空间算法的离群数据挖掘技术研究[J].计算机技术与发展,2010,(01):120.
　XIANG Xiang-qin,WANG Cai-mei.Study of Outlier Data Mining Based on CLIQUE Algorithm[J].,2010,(06):120.
[2]李雷 丁亚丽 罗红旗.基于规则约束制导的入侵检测研究[J].计算机技术与发展,2010,(03):143.
　LI Lei,DING Ya-li,LUO Hong-qi.Intrusion Detection Technology Research Based on Homing - Constraint Rule[J].,2010,(06):143.
[3]吉同路 柏永飞 王立松.住宅与房地产电子政务中数据挖掘的应用研究[J].计算机技术与发展,2010,(01):235.
　JI Tong-lu,BAI Yong-fei,WANG Li-song.Study and Application of Data Mining in E-government of House and Real Estate Industry[J].,2010,(06):235.
[4]杨静 张楠男 李建 刘延明 梁美红.决策树算法的研究与应用[J].计算机技术与发展,2010,(02):114.
　YANG Jing,ZHANG Nan-nan,LI Jian,et al.Research and Application of Decision Tree Algorithm[J].,2010,(06):114.
[5]赵裕啸 倪志伟 王园园 伍章俊.SQL Server 2005数据挖掘技术在证券客户忠诚度的应用[J].计算机技术与发展,2010,(02):229.
　ZHAO Yu-xiao,NI Zhi-wei,WANG Yuan-yuan,et al.Application of Data Mining Technology of SQL Server 2005 in Customer Loyalty Model in Securities Industry[J].,2010,(06):229.
[6]张笑达 徐立臻.一种改进的基于矩阵的频繁项集挖掘算法[J].计算机技术与发展,2010,(04):93.
　ZHANG Xiao-da,XU Li-zhen.An Advanced Frequent Itemsets Mining Algorithm Based on Matrix[J].,2010,(06):93.
[7]王爱平 王占凤 陶嗣干 燕飞飞.数据挖掘中常用关联规则挖掘算法[J].计算机技术与发展,2010,(04):105.
　WANG Ai-ping,WANG Zhan-feng,TAO Si-gan,et al.Common Algorithms of Association Rules Mining in Data Mining[J].,2010,(06):105.
[8]张广路 雷景生 吴兴惠.一种改进的Apriori关联规则挖掘算法（英文）[J].计算机技术与发展,2010,(06):84.
　ZHANG Guang-lu,LEI Jing-sheng,WU Xing-hui.An Improved Apriori Algorithm for Mining Association Rules[J].,2010,(06):84.
[9]吴楠 胡学钢.基于聚类分区的序列模式挖掘算法研究[J].计算机技术与发展,2010,(06):109.
　WU Nan,HU Xue-gang.Research on Clustering Partition-Based Approach of Sequential Pattern Mining[J].,2010,(06):109.
[10]吴青 傅秀芬.水平分布数据库的正负关联规则挖掘[J].计算机技术与发展,2010,(06):113.
　WU Qing,FU Xiu-fen.Positive and Negative Association Rules Mining on Horizontally Partitioned Database[J].,2010,(06):113.
[11]纪滨.数据挖掘中基于Rough Set方法研究[J].计算机技术与发展,2008,(02):126.
　JI Bin.Research of Data Mining Based on Rough Set[J].,2008,(06):126.
[12]徐春鸽 章登科 葛红.人工免疫系统在数据挖掘中的应用[J].计算机技术与发展,2007,(04):34.
　XU Chun-ge,ZHANG Deng-ke,GE Hong.The Application of Artificial Immune System to Data Mining[J].,2007,(06):34.

更新日期/Last Update: 1900-01-01