用特殊规则编码和动态遗传算法对空气质量影响因素的协会规则挖掘在北京,中国
Xiaoxuan Wu1,2, Qiang Wen1, Jun Zhu1
1School of Artificial Intelligence and Big Data, Hefei University, Hefei, Anhui, China.
PloS one
|March 4, 2024
概括
本研究引入了一个动态的遗传关联规则挖掘算法,以有效地分析低频空气质量数据. 新方法减少了存储需求,并提高了规则发现准确性,以获得更好的空气质量洞察力.
科学领域:
- 环境科学 环境科学
- 数据挖掘 数据挖掘
- 人工智能的人工智能
背景情况:
- 空气质量分析是复杂的,经常忽视低频数据模式.
- 传统的关联规则技术与存储效率和低频段的重要性扎.
- 需要一种新的方法来加强对综合空气质量因素的挖掘.
研究的目的:
- 开发一个动态的基因关联规则挖掘算法,用于低频术语.
- 提高存储效率和空气质量数据中的规则发现.
- 为了提高协会规则挖掘的准确性和速度.
主要方法:
- 提出了一种改进的动态遗传算法与关联规则挖矿相结合.
- 引入了一种创新的多信息编码策略,以实现高效的数据存储.
- 为协会规则制定了一个新的加权评估指数,取消了最低门.
- 实现动态交叉和突变率以优化搜索效率.
主要成果:
- 多信息编码策略减少了50%的规则空间存储.
- 新的评估指数成功地从低频率术语中挖掘了高利息规则 (高达90%).
- 与其他元启发式算法相比,搜索时间减少了大约20%,并改善了融合.
结论:
- 拟议的算法有效地挖掘空气质量数据中的低频术语.
- 该方法显著提高了存储效率和规则发现.
- 这种方法提供了一种更有效,更准确的方法来分析复杂的环境数据.
更多相关视频
05:45Composition and Distribution Analysis of Bioaerosols Under Different Environmental Conditions
Published on: January 7, 2019
10.6K
10:36Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Published on: November 3, 2023
1.5K
