Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Conceptual Definition of a Platform for the Monitoring of the Subjects with Nephrolithiasis Based on the Energy Expenditure and the Activities of Daily Living Performed Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Bacterial Colony Algorithms Applied to Association Rule Mining in Static Data and Streams

verfasst von : Danilo S. da Cunha, Rafael S. Xavier, Daniel G. Ferrari, Leandro N. de Castro

Erschienen in: Highlights of Practical Applications of Agents, Multi-Agent Systems, and Complexity: The PAAMS Collection

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Bacterial colonies perform a cooperative and distributed exploration of the environmental resources. This paper describes how bacterial colony networks and their skills to search resources can be used as tools for mining association rules in static and stream data. The proposed algorithm is designed to maintain diverse solutions to the problems at hand, and its performance is compared to another well-known bacterial algorithm in both static and stream datasets.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Bio-inspired Nest-Site Selection for Distributing Robots in Low-Communication Environments
Nächstes Kapitel Using Novelty Search in Differential Evolution
Literatur
1.
Matsushita, M., Fujikawa, H.: Diffusion-limited growth in bacterial colony formation. Physica A 168(1), 498–506 (1990)CrossRef
2.
Ben-Jacob, E.: Learning from bacteria about natural information processing. Ann. New York Acad. Sci. 1178(1), 78–90 (2009)CrossRef
3.
Xavier, R.S., Omar, N., de Castro, L.N.: Bacterial colony: information processing and computational behavior. In: NaBIC 2011 (2011)
4.
da Cunha, D.S., Xavier, R.S., Castro, L.N.: A bacterial colony algorithm for association rule mining. In: IDEAL 2015 (2015)
5.
Passino, K.M.: Biomimicry of bacterial foraging for distributed optimization and control. IEEE Control Syst. 22(3), 52–67 (2002)MathSciNetCrossRef
6.
da Cunha, D.S., de Castro, L.N.: The influence of selection and crossover in an evolutionary algorithm for association rule mining. In: AITAC 2012, vol. 1, pp. 170–174, November 2012
7.
Agrawal, R., Imielinski, T., Swami, A.: Mining association rules between sets of items in large databases. ACM SIGMOD Rec. 22(2), 207–216 (1993)CrossRef
8.
Agrawal, R., Srikant, R.: Fast algorithms for mining association rules. In: VLDB 1994 (1994)
9.
Dehuri, S., Jagadev, A.K., Ghosh, A., Mall, R.: Multi-objective genetic algorithm for association rule mining using a homogeneous dedicated cluster of workstations. AJAS 3(11), 2086–2095 (2006)CrossRef
10.
11.
Jiang, N., Le Gruenwald, M.H.: Research issues in data stream association rule mining. ACM SIGMOD Rec. 35(1), 14–19 (2006)CrossRef
12.
Gaber, M.M., Zaslavsky, A., Krishnaswamy, S.: Mining data streams: a review. ACM SIGMOD Rec. 34(2), 18–26 (2005)CrossRef
13.
14.
Guha, S., Koudas, N., Shim, K.: Data-streams and histograms. In: Proceedings of the Thirty-Third Annual ACM Symposium on Theory of Computing, Hersonissos (2001)
15.
Zhu, Y., Shasha, D.: StatStream: statistical monitoring of thousands of data streams in real time. In: VLDB 2002, Hong Kong (2002)CrossRef
16.
Booker, L.B., Goldberg, D.E., Holland, J.H.: Classifier systems and genetic algorithms. Artif. Intell. 40(1–3), 235–282 (1989)CrossRef
17.
Mo, H., Xu, L.: Immune clone algorithm for mining association rules on dynamic databases. In: ICTAI 2005, Hong Kong (2005)
18.
Su, Y., Gu, X., Li, Z.: Incremental updating algorithm based on artificial immune system for mining association rules. In: ICEBE 2006, Shanghai (2006)
19.
Liu, T.: An immune based association rule algorithm. In: ICICIC 2007, Kumamoto (2007)
20.
del Jesus, M.J., Gámez, J.A., González, P., Puerta, J.M.: On the discovery of association rules by means of evolutionary algorithms. Wiley Interdisc. Rev. Data Min. Knowl. Discovery 1(5), 397–415 (2011)CrossRef
21.
Agrawal, V., Sharma, H., Bansal, J.: Bacterial foraging optimization: a survey. In: Proceedings of the International Conference on Soft Computing for Problem Solving (SocProS 2011) (2012)
22.
Lichman, M.: UCI Machine Learning Repository. University of California, School of Information and Computer Sciences, Irvine (2013)
Metadaten
Titel
Bacterial Colony Algorithms Applied to Association Rule Mining in Static Data and Streams
verfasst von
Danilo S. da Cunha
Rafael S. Xavier
Daniel G. Ferrari
Leandro N. de Castro
Copyright-Jahr
2018
Buch
Highlights of Practical Applications of Agents, Multi-Agent Systems, and Complexity: The PAAMS Collection

Print ISBN: 978-3-319-94778-5

Electronic ISBN: 978-3-319-94779-2

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-94779-2_45

Premium Partner

    Bildnachweise