面向水资源数据分析的大数据挖掘算法

发布时间：2021-08-29 11:53

　　该文提出使用自适应免疫遗传算法（IIGA）实现水资源监测数据的关联规则挖掘的解决方法。通过对IIGA、免疫遗传算法和Apriori算法的比较,IIG不仅缩短了挖掘时间,而且保证了关联规则挖掘的准确性。最后该文介绍了将IIGA算法应用于水资源数据分析的实例。研究结果对于水资源领域的关联规则具有积极参考意义。 

【文章来源】：自动化技术与应用. 2019,38(11)

【文章页数】：5 页

【文章目录】：
1 引言
2 算法优化
    2.1 IGA算法分析
    2.2 算法改进
    2.3 算法设计
    2.4 算法流程
    2.5 算法验证
3 算法应用
    3.1 水质监测数据
    3.2 编码
    3.3 规则描述
4 结束语


【参考文献】：
期刊论文
[1]基于模糊分区聚类的关联挖掘改进算法[J]. 李慧琴,孙英,王俊洁.  微电子学与计算机. 2018(03)
[2]海底光传感网络对水污染采集数据监测研究[J]. 左名久.  计算机仿真. 2018(02)
[3]基于模糊关联规则的海量数据挖掘方法研究[J]. 毛晓菊.  微电子学与计算机. 2018(02)
[4]一种基于传感器网络的水污染源质心定位算法[J]. 罗旭,杨君,吴晨晖,冯政.  传感技术学报. 2018(01)
[5]水资源监测异常数据模态分解-支持向量机重构方法[J]. 张峰,薛惠锋,WANG Wei,宋晓娜,万毅.  农业机械学报. 2017(11)
[6]基于GIS的地图表达中国水资源公报主要内容及数据挖掘[J]. 谢晓虹,张博.  水电能源科学. 2017(07)
[7]基于BP神经网络与多分类支持向量机的水质识别与分类[J]. 赖清,衷卫声,熊鹏文,黄嘉诚,任倩茹.  南昌大学学报(理科版). 2016(06)
[8]基于区间证据理论的多传感器数据融合水质判断方法[J]. 周剑,马晨昊,刘林峰,孙力娟,肖甫.  通信学报. 2016(09)
[9]基于遗传算法的多目标水资源优化配置——以沈阳地区为例[J]. 潘俊,王灏瀚.  沈阳建筑大学学报(自然科学版). 2016(05)
[10]传感器网络环境监测时间序列数据的高斯过程建模与多步预测[J]. 陈艳,王子健,赵泽,李栋,崔莉.  通信学报. 2015(10)



本文编号：3370605