论文部分内容阅读
针对量化关联规则的特点，提出基于多目标烟花算法和反向学习的量化关联规则挖掘算法．该算法通过多目标烟花算法全面搜索关联规则，引入反向学习提高算法收敛速度并降低算法陷入局部最优的概率，使用基于相似度的冗余淘汰机制保持库中关联规则的多样性，经过多次迭代最终获得关联规则集合．文中算法无需人为指定支持度、置信度等阈值，实验表明，算法在不同数据集上均获得稳定结果，能充分覆盖数据集，在可靠性、相关性及可理解性之间获得较好的均衡．