当前关联规则的挖掘算法存在着频繁项集生成时的效率和最小支持度的选择、生成的关联规则的实用性和正确性等问题。我们将研究种群和个体水平两种协同演化形式,设计和建立新的协同演化算法和模型,分析其性能,并应用于数据挖掘中。通过协同演化学习的多目标协同搜索机制更好地处理数据项之间的相互关系,避免规则的概括性差、冗余度高、实用性和适应性不强的问题;在演化学习过程中,利用不同种群当前解空间包含的不同性质的信息,
{{i.achievement_title}}
数据更新时间:2023-05-31
演化经济地理学视角下的产业结构演替与分叉研究评述
玉米叶向值的全基因组关联分析
论大数据环境对情报学发展的影响
粗颗粒土的静止土压力系数非线性分析与计算方法
中国参与全球价值链的环境效应分析
多态异构机器学习及其在大数据挖掘中的应用
基于背景知识的数据挖掘方法及其在LAMOST中的应用
数据紧致性在图像挖掘中的应用
PageRank问题的研究及其在基因芯片数据挖掘中的应用