许栋浩,李宏伟,张铁映,孟超越,樊超

• 1:信息工程大学地理空间信息学院

摘要(Abstract)：

针对传统的关联规则挖掘方法需要耗费大量时间来产生频繁项的问题,该文设计了一种引入负反馈机制的改进粒子群算法。该算法采用负反馈机制,在粒子位置更新前通过判断粒子是否将落入恶劣区域,较好地避免了粒子更新过程中对无用频繁项的重复计算,从而有效减少了数据库的扫描次数。通过挖掘土地覆盖类型与地形特征的空间关联关系,结果表明:所提算法不仅可以提高空间关联规则的挖掘效率,还可以发现仅具有高置信度的易被忽视关联规则。该研究结果对空间关联分析、同位模式挖掘等具有一定的参考价值。

关键词(KeyWords)： 空间关联规则;粒子群;负反馈;频繁项集;适应度

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金面上项目(40871183;41140012;41271392;41571394);; 国家自然科学青年基金项目(41401463);; 信息工程大学地理空间信息学院硕士学位论文创新与创优基金项目(XS201511)

作者(Author): 许栋浩,李宏伟,张铁映,孟超越,樊超

DOI: 10.16251/j.cnki.1009-2307.2016.02.034

参考文献(References)：

• [1]HAN Jiawei,PEI Jian.Mining frequent patterns by pattern-growth:methodology and implications[J].ACM SIGKDD Explorations Newsletter,2000,2(2):14-20.
• [2]李光强,邓敏,朱建军.基于Voronoi图的空间关联规则挖掘方法研究[J].武汉大学学报·信息科学版,2008(12):1242-1245.
• [3]EBERHART R C,KENNEDY J.A new optimizer using particle swarm theory[C]//Proceedings of the Sixth International Symposium on Micro Machine and Human Science,1995,1:39-43.
• [4]刘丛林,张忠林,曾庆飞.PSO算法在关联规则挖掘中的应用[J].兰州交通大学学报,2010(3):96-99.
• [5]SARATH K N V D,RAVI V.Association rule mining using binary particle swarm optimization[J].Engineering Applications of Artificial Intelligence,2013,26(8):1832-1840.
• [6]HAN Jiawei,KAMBER M.数据挖掘概念与技术[M].范明,孟晓峰,译.北京:机械工业出版社,2012:159-161.
• [7]KENNEDY J,EBERHART R C.A discrete binary version of the particle swarm algorithm[C]//IEEE International Conference on Systems,Man,and Cybernetics,1997.
• [8]GOU Jin,WANG Fei,LUO Wei.Mining fuzzy association rules based on parallel particle swarm optimization algorithm[J].Intelligent Automation&Soft Computing,2014:1-16.
• [9]中国科学院自然区划工作委员会.中国地貌区划[M].北京:科学出版社,1959:34-125.