1. Trang chủ
  2. » Giáo Dục - Đào Tạo

Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy

161 3 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 161
Dung lượng 1,47 MB

Nội dung

Ngày đăng: 10/07/2021, 07:49

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[4]M. Zaki, "Scalable algorithms for association mining," IEEETransactions on Knowledge and Data Engineering, vol. 12, no. 3, pp. 372- 390, 2000 Sách, tạp chí
Tiêu đề: Scalable algorithms for association mining
[5]J.Pei, J.Han, H.Lu, S.Nishio, S.Tang and D.Yang, "H-mine: Hyper-structure mining of frequent patterns in large databases," IEEE International Conference on Data Mining, pp. 441-448, 2001 Sách, tạp chí
Tiêu đề: H-mine: Hyper-structure mining of frequent patterns in large databases
[6]T. Uno, M. Kiyomi, and H. Arimura, "Efficient mining algorithms forfrequent/closed/maximal itemsets," in IEEE International Conference on Data Mining Workshop on Frequent Itemset Mining Implementations Sách, tạp chí
Tiêu đề: Efficient mining algorithms forfrequent/closed/maximal itemsets
[7]Vũ Đức Thi, Nguyễn Huy Đức, "Thuật toán hiệu quả khai phá tập mục lợi ích cao trên cấu trúc dữ liệu cây," Computer science and cybernetics Sách, tạp chí
Tiêu đề: Thuật toán hiệu quả khai phá tập mụclợi ích cao trên cấu trúc dữ liệu cây
[8]J. M. Pokou, P. Fournier-Viger, and C. Moghrabi, "Authorship attribution using small sets of frequent part-of-speech skip-grams," in International Florida Artificial Intelligence Research Society Conference2016 Sách, tạp chí
Tiêu đề: Authorshipattribution using small sets of frequent part-of-speech skip-grams
[9]Pramono, Y. W. T., "Anomaly-based Intrusion Detection andPrevention System on Website Usage using Rule-Growth Sequential Pattern Analysis," in The International Conference on Advanced Informatics,Concept Theory and Applications, 2014 Sách, tạp chí
Tiêu đề: Anomaly-based Intrusion Detection andPrevention System on Website Usage using Rule-Growth Sequential PatternAnalysis
[10] R. Agrawal, R.Srikant, "Mining sequential patterns: Generallizations and performance improvements," Lecture Notes in Computer Science, vol.1057, pp. 3-17, 1996 Sách, tạp chí
Tiêu đề: Mining sequential patterns: Generallizationsand performance improvements
[11] Zaki.M, "SPADE: An Efficient Algorithm for Mining FrequentSequences," Machine Learning, vol. 40, pp. 31-60, 2000 Sách, tạp chí
Tiêu đề: SPADE: An Efficient Algorithm for Mining FrequentSequences
[12] S. Aseervatham, A. Osmani, and E. Viennet, "bitSPADE: A lattice- based sequential pattern mining," in The International Conference on Data Mining, 2006 Sách, tạp chí
Tiêu đề: bitSPADE: A lattice-based sequential pattern mining
[13] J. Han, J. Pei, B. Mortazavi-Asl, Q. Chen, U. Dayal, and M. C. Hsu,"FreeSpan: frequent pattern projected sequential pattern mining," in ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 2000 Sách, tạp chí
Tiêu đề: FreeSpan: frequent pattern projected sequential pattern mining
[14] J.Pei,J.Han, and Wang.W, "Mining Sequential Pattern with Constraints in Large Databases," in Proc. of CIKM’02, 2002 Sách, tạp chí
Tiêu đề: Mining Sequential Pattern with Constraints in Large Databases
[15] J. Ayres, J. Flannick, J. Gehrke, and T. Yiu, "Sequential pattern mining using a bitmap representation," ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 429-435, 2002 Sách, tạp chí
Tiêu đề: Sequential pattern miningusing a bitmap representation
[16] K. Gouda, M. Hassaan, and M. J. Zaki, "Prism: An effective approach for frequent sequence mining via prime-block encoding," Journal of Computer and System Sciences, vol. 76, no. 1, p. 88–102, 2010 Sách, tạp chí
Tiêu đề: Prism: An effective approachfor frequent sequence mining via prime-block encoding
[17] P. Fournier-Viger, A. Gomariz, M. Campos, and R. Thomas, "Fast Vertical Mining of Sequential Patterns Using Co-occurrence Information," in The Pacific-Asia Conference on Knowledge Discovery and Data Mining, 2014 Sách, tạp chí
Tiêu đề: FastVertical Mining of Sequential Patterns Using Co-occurrence Information
[18] Z. Yang, and M. Kitsuregawa, "LAPIN-SPAM: An improved algorithm for mining sequential pattern," in The International Conference on Data Engineering Workshops, 2005 Sách, tạp chí
Tiêu đề: LAPIN-SPAM: An improvedalgorithm for mining sequential pattern
[19] P. Fournier-Viger, C.-W. Wu, A. Gomariz, and V. S. Tseng, "VMSP:Efficient vertical mining of maximal sequential patterns," in The Canadian Conference on Artificial Intelligence, 2014 Sách, tạp chí
Tiêu đề: VMSP:Efficient vertical mining of maximal sequential patterns
[20] P. Fournier-Viger, A. Gomariz, M. Sebek, M. Hlosta, "VGEN: fast vertical mining of sequential generator patterns," in The International Conference on Data Warehousing and Knowledge Discovery, 2014 Sách, tạp chí
Tiêu đề: VGEN: fastvertical mining of sequential generator patterns
[21] Fournier-Viger.P, Gomariz.A, Gueniche.T, Mwamikazi.E, Thomas.R,"TKS: Efficient Mining of Top-K Sequential Patterns," Springer Advanced Data Mining and Application, vol. 8346, pp. 109-120, 2013 Sách, tạp chí
Tiêu đề: TKS: Efficient Mining of Top-K Sequential Patterns
[22] E. Salvemini, F. Fumarola, D. Malerba, and J. Han, "Fast sequence mining based on sparse id-lists," The International Symposium on Methodologies for Intelligent Systems, pp. 316-325, 2011 Sách, tạp chí
Tiêu đề: Fast sequencemining based on sparse id-lists
[23] Mabroukeh, N. R. and Ezeife, C. I, "A taxonomy of sequential pattern mining algorithms," ACM Computing Surveys, vol. 43, no. 1, pp. 1-41, 2010 Sách, tạp chí
Tiêu đề: A taxonomy of sequential patternmining algorithms

HÌNH ẢNH LIÊN QUAN

mô hình dãy bằng cách xem xét rằng mỗi mặt hàng xuất hiện 0, một lần hoặc nhiều lần trong mỗi nhóm mặt hàng (số lượng mua) và mỗi mặt hàng có trọng số cho biết tầm quan trọng tương đối của nó (ví dụ: lợi nhuận là bao nhiêu được tạo ra bởi mỗi đơn vị bán c - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
m ô hình dãy bằng cách xem xét rằng mỗi mặt hàng xuất hiện 0, một lần hoặc nhiều lần trong mỗi nhóm mặt hàng (số lượng mua) và mỗi mặt hàng có trọng số cho biết tầm quan trọng tương đối của nó (ví dụ: lợi nhuận là bao nhiêu được tạo ra bởi mỗi đơn vị bán c (Trang 26)
Hình 1.1. Các vấn đề nghiên cứu của luận án - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Hình 1.1. Các vấn đề nghiên cứu của luận án (Trang 29)
Ví dụ: CSDL dãy có trọng số SDB được mô tả như trong Bảng 1.2 và giá trị trọng số của các mục được mô tả như trong Bảng 1.3 - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
d ụ: CSDL dãy có trọng số SDB được mô tả như trong Bảng 1.2 và giá trị trọng số của các mục được mô tả như trong Bảng 1.3 (Trang 30)
Một dãy Sk thường được biểu diễn bởi các chữ cái trong bảng chữ cái, mỗi chữ cái thể hiện một mục. - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
t dãy Sk thường được biểu diễn bởi các chữ cái trong bảng chữ cái, mỗi chữ cái thể hiện một mục (Trang 37)
Một dãy Sk thường được biểu diễn bởi các chữ cái trong bảng chữ cái, mỗi chữ cái thể hiện một mục. - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
t dãy Sk thường được biểu diễn bởi các chữ cái trong bảng chữ cái, mỗi chữ cái thể hiện một mục (Trang 52)
Bảng 1.7 Trọng số của các mục trong QiSDB - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Bảng 1.7 Trọng số của các mục trong QiSDB (Trang 53)
Định nghĩa 1.46 Bảng chỉ mục [44] - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
nh nghĩa 1.46 Bảng chỉ mục [44] (Trang 60)
- CSDL dãy với khoảng cách thời gian iSDB như trong Bảng 2.1 - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
d ãy với khoảng cách thời gian iSDB như trong Bảng 2.1 (Trang 81)
Bảng 2.3 CSDL chiếu của dãy <0,c> - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Bảng 2.3 CSDL chiếu của dãy <0,c> (Trang 82)
Hình 2.1 Ảnh hưởng của tham số k - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Hình 2.1 Ảnh hưởng của tham số k (Trang 86)
Kết quả được thể hiện trong Hình 2.2 và Hình 2.3 và thống kê chi tiết trong Bảng 2.5 - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
t quả được thể hiện trong Hình 2.2 và Hình 2.3 và thống kê chi tiết trong Bảng 2.5 (Trang 87)
Hình 2.3 Ảnh hưởng của chiến lược tối ưu lên số ứng viên tạo ra - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Hình 2.3 Ảnh hưởng của chiến lược tối ưu lên số ứng viên tạo ra (Trang 88)
Bảng 2.5 Thống kê chi tiết số lượng mẫu dãy ứng viên tạo ra - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Bảng 2.5 Thống kê chi tiết số lượng mẫu dãy ứng viên tạo ra (Trang 89)
Hình 2.4. So sánh 2 thuật toán WIPrefixSpan và TopKWFP - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Hình 2.4. So sánh 2 thuật toán WIPrefixSpan và TopKWFP (Trang 91)
Bảng 3.1 Cơ sở dữ liệu điều kiện với tiền tố <0,a> - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Bảng 3.1 Cơ sở dữ liệu điều kiện với tiền tố <0,a> (Trang 103)
Bảng 3.6 Bảng thống kê khai phá mẫu dãy lợi ích cao với khoảng cách thời gian trong QiSDB. - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Bảng 3.6 Bảng thống kê khai phá mẫu dãy lợi ích cao với khoảng cách thời gian trong QiSDB (Trang 107)
Hình 3.1 Biểu đồ phân phối giá trị lợi nhuận của 1000 mục (UIPrefixSpan) - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Hình 3.1 Biểu đồ phân phối giá trị lợi nhuận của 1000 mục (UIPrefixSpan) (Trang 114)
Hình 3.2: So sánh về thời gian chạy cho thấy UIPrefixSpan1 thực hiện nhanh hơn, hiệu quả hơn so với UIPrefixSpan2 - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Hình 3.2 So sánh về thời gian chạy cho thấy UIPrefixSpan1 thực hiện nhanh hơn, hiệu quả hơn so với UIPrefixSpan2 (Trang 116)
Hình 3.2 Thời gian chạy UIPrefixSpan - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Hình 3.2 Thời gian chạy UIPrefixSpan (Trang 116)
Hình 3.3 Bộ nhớ sử dụng UIPrefixSpan - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Hình 3.3 Bộ nhớ sử dụng UIPrefixSpan (Trang 117)
Hình 3.4 Số mẫu dãy lợi ích cao UIPrefixSpan - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Hình 3.4 Số mẫu dãy lợi ích cao UIPrefixSpan (Trang 119)
21. Xây dựng Bảng chỉ mụ cC cho mỗi mụ ci trong mẫu dãy = < (0,i) > trong tập ứng viên R từ QiSDB; - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
21. Xây dựng Bảng chỉ mụ cC cho mỗi mụ ci trong mẫu dãy = < (0,i) > trong tập ứng viên R từ QiSDB; (Trang 123)
5. Duyệt bảng lợi ích Br; - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
5. Duyệt bảng lợi ích Br; (Trang 124)
Duyệt bảng lợi ích, với mỗi mẫu dãy α trong bảng lợi ích, nếu giá trị swu(α) - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
uy ệt bảng lợi ích, với mỗi mẫu dãy α trong bảng lợi ích, nếu giá trị swu(α) (Trang 131)
Xây dựng bảng lợi ích của các ứng viên, tính các giá trị swu và su của từng ứng viên: - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
y dựng bảng lợi ích của các ứng viên, tính các giá trị swu và su của từng ứng viên: (Trang 133)
Hình 3.5 Biểu đồ phân phối giá trị lợi nhuận của 1000 mục (HUISP) - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Hình 3.5 Biểu đồ phân phối giá trị lợi nhuận của 1000 mục (HUISP) (Trang 140)
Hình 3.7 Bộ nhớ sử dụng HUISP - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Hình 3.7 Bộ nhớ sử dụng HUISP (Trang 142)
Hình 3.8 Ảnh hưởng của số lượng mẫu dãy với thời gian chạy và bộ nhớ Hình - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Hình 3.8 Ảnh hưởng của số lượng mẫu dãy với thời gian chạy và bộ nhớ Hình (Trang 146)

TÀI LIỆU CÙNG NGƯỜI DÙNG

  • Đang cập nhật ...

TÀI LIỆU LIÊN QUAN

w