基于LDABPSO算法的烟叶复烤配方关联特征挖掘
Software Guide(2022)
Abstract
为了更好地挖掘出烟叶复烤配方内在的关联特征以更有效地对复烤配方进行维护,针对Apriori算法需要人工预设最小支持度和置信度、出现海量冗余规则的缺陷,提出将一种改进二进制粒子群算法(LDABPSO)用于烟叶复烤配方关联特征挖掘.首先,针对二进制粒子群算法容易早熟、陷入局部最优的问题,从种群初始化、可行解的停滞、扰动机制等3个方面提出改进策略;其次,将LDABPSO算法与BPSO算法、ABPSO算法在6个标准测试函数上作性能对比;最后,以云南省麒麟复烤厂近年配方数据作为关联规则挖掘数据源,运用LD?ABPSO算法进行关联规则挖掘.实验结果表明,当Apriori算法最小支持度和最小置信度分别设置为0.18和0.5时,LDABPSO算法挖掘到的烟叶搭配规则数量相比Apriori算法减少90.23%,且运行时间减少8.4%,证明了算法的有效性.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined