所属单位：计算机科学与技术学院/人工智能学院/软件学院
发表刊物：计算机技术与发展
关键字：危险源原因分析;关联规则挖掘;蚁群算法;粒子群;
摘要：针对民航危险源原因分析中存在人工参与较多缺乏客观性的问题,设计了一种基于混合蚁群关联规则挖掘的危险源原因分析算法(Hazard Analysis Based on Mixed Ant Colony Association Rules Mining Algorithm,HA-MACR),利用关联规则挖掘来探索危险源原因。该算法摒弃了传统关联规则挖掘算法重复扫描数据库导致挖掘效率较低及产生大量候选集、容易出现“组合爆炸”现象等缺点,将改进后的蚁群算法用于挖掘最大频繁项集,并由此产生质量较好的强关联规则,从而找到导致危险源的不安全事件。同时,为了避免蚁群的盲目性,混合了粒子群,借助粒子群确定蚁群的初始信息素浓度。通过上述改进,有效增强了算法的搜索能力,提高了关联规则挖掘的效率,且避免了算法陷入局部最优,从而使危险源原因分析更加快速、准确。
是否译文：否
发表时间：2018-06-29
合写作者：佘雅莉
通讯作者：周良
发表时间：2018-06-29