Indexed by：
Abstract：
针对传统 Apriori 算法在标签等级排序中辨识度不高的问题，提出一种基于最小化描述准则（MDLP） Apriori 算法的离散 Shannon 熵值算法。通过在 Shannon 熵值公式中增加额外参数，并结合自适应 MDLP 算法，增加 Apriori 算法对等级排序中分割点的识别能力，从而更加细致地观察标签细微差异；然后，利用改进算法分别在合成数据集和 KEBI 测试数据集上的仿真实验显示，MDLP-Apriori 算法在 Kendall 系数精度与偏差、分区数量等指标上均要优于对比算法。最后，通过实验给出最小支持度选取标准。
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机应用研究
ISSN： 1001-3695
Year： 2016
Issue： 6
Volume： 33
Page： 1633-1636
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 2
Chinese Cited Count：
30 Days PV： 7
Affiliated Colleges：
