• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Mathematical Problems in Engineering >Bacterial Colony Algorithms for Association Rule Mining in Static and Stream Data
【24h】

Bacterial Colony Algorithms for Association Rule Mining in Static and Stream Data

机译：用于静态和流数据中关联规则挖掘的细菌菌落算法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Bacterial colonies perform a cooperative and distributed exploration of the environmental resources by using their quorum-sensing mechanisms. This paper describes how bacterial colony networks and their skills to explore resources can be used as tools for mining association rules in static and stream data. A new algorithm is designed to maintain diverse solutions to the problems at hand, and its performance is compared to that of other well-known bacteria, genetic, and immune-inspired algorithms: Bacterial Foraging Optimization (BFO), a Genetic Algorithm (GA), and the Clonal Selection Algorithm (CLONALG). Taking into account the superior performance of our approach in static data, we applied the algorithms to dynamic environments by converting static into flow data via a stream data model named sliding-window. We also provide some notes on the running time of the proposed algorithm using different hardware and software architectures.
机译：细菌菌落通过使用群体感应机制对环境资源进行合作和分布式的探索。本文介绍了如何将细菌菌落网络及其探索资源的技能用作挖掘静态和流数据中关联规则的工具。设计了一种新算法来维护当前问题的多种解决方案，并将其性能与其他知名细菌，遗传和免疫启发算法进行了比较：细菌觅食优化（BFO），遗传算法（GA） ，以及克隆选择算法（CLONALG）。考虑到我们的方法在静态数据中的优越性能，我们通过称为滑动窗口的流数据模型将静态数据转换为流数据，从而将算法应用于动态环境。我们还提供了有关使用不同硬件和软件体系结构的算法运行时间的一些注释。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号