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

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

151 4 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 151
Dung lượng 3,31 MB

Nội dung

Ngày đăng: 10/07/2021, 07:50

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] R. Agrawal and R. Srikant, "Fast algorithms for mining association rules," in The International Conference on Very Large Databases, 1994 Sách, tạp chí
Tiêu đề: Fast algorithms for mining association rules
[2] R. Agrawal, R. Srikant, "Mining sequential patterns," in Proceedings of the International Conference on Data Engineering (ICDE), 1995 Sách, tạp chí
Tiêu đề: Mining sequential patterns
[3] Han, Jiawei, Jian Pei, and Yiwen Yin., "Mining frequent patterns without candidate generation.," in ACM Sigmod Record, 2000 Sách, tạp chí
Tiêu đề: Mining frequent patterns without candidate generation
[4] M. Zaki, "Scalable algorithms for association mining," IEEE Transactions 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 for frequent/closed/maximal itemsets," in IEEE International Conference on Data Mining Workshop on Frequent Itemset Mining Implementations, 2004 Sách, tạp chí
Tiêu đề: Efficient mining algorithms for frequent/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, vol.24, no. 3, pp. 110-126, 2008 Sách, tạp chí
Tiêu đề: Thuật toán hiệu quả khai phá tập mục lợi 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 The International Florida Artificial Intelligence Research Society Conference, 2016 Sách, tạp chí
Tiêu đề: Authorship attribution using small sets of frequent part-of-speech skip-grams
[9] Pramono, Y. W. T., "Anomaly-based Intrusion Detection and Prevention 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 and Prevention System on Website Usage using Rule-Growth Sequential Pattern Analysis
[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: Generallizations and performance improvements
[11] Zaki.M, "SPADE: An Efficient Algorithm for Mining Frequent Sequences," Machine Learning, vol. 40, pp. 31-60, 2000 Sách, tạp chí
Tiêu đề: SPADE: An Efficient Algorithm for Mining Frequent Sequences
[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 mining using 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 approach for 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: Fast Vertical 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 improved algorithm 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: fast vertical mining of sequential generator patterns

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 - 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 (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)
Bảng 1.5 Trọng số của các mục trong iSDB - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Bảng 1.5 Trọng số của các mục trong iSDB (Trang 38)
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)
Bảng 1.8 Bảng lợi ích QiSDB - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Bảng 1.8 Bảng lợi ích QiSDB (Trang 60)
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 81)
Bảng 2.4 Các bộ dữ liệu thực nghiệm - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Bảng 2.4 Các bộ dữ liệu thực nghiệm (Trang 83)
Hình 2.1 Ảnh hưởng của tham số k b) Ảnh hưởng của các chiến lược tối ưu trong thuật toán - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Hình 2.1 Ảnh hưởng của tham số k b) Ảnh hưởng của các chiến lược tối ưu trong thuật toán (Trang 84)
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 85)
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 86)
W: Bảng giá trị trọng số của các mục i: wi W minUtil: Ngưỡng hỗ trợ tối thiểu - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Bảng gi á trị trọng số của các mục i: wi W minUtil: Ngưỡng hỗ trợ tối thiểu (Trang 95)
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 101)
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 108)
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 110)
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 111)
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 113)
bảng lợi ích với r= <r, (∆t; i)> trong QiSDB|r. Sau đó thực hiện duyệt bảng lợi ích, với mỗi dãy r trong bảng lợi ích: kiểm tra điều kiện C8 với mẫu dãy r mới tạo thành, nếu thỏa mãn C8 thì thực hiện đệ quy thủ tục subHUISP với mẫu dãy mới - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
bảng l ợi ích với r= <r, (∆t; i)> trong QiSDB|r. Sau đó thực hiện duyệt bảng lợi ích, với mỗi dãy r trong bảng lợi ích: kiểm tra điều kiện C8 với mẫu dãy r mới tạo thành, nếu thỏa mãn C8 thì thực hiện đệ quy thủ tục subHUISP với mẫu dãy mới (Trang 117)
4. Tính giá trị lợi ích của các dãy đầu vào su(iSa) của QiSDB|r và xây dựng bảng lợi ích B r với r = <r, (∆t; i)> trong QiSDB|r - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
4. Tính giá trị lợi ích của các dãy đầu vào su(iSa) của QiSDB|r và xây dựng bảng lợi ích B r với r = <r, (∆t; i)> trong QiSDB|r (Trang 118)
Bảng 3.8 Lợi ích của các dãu đầu vào - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Bảng 3.8 Lợi ích của các dãu đầu vào (Trang 123)
Bảng 3.10 Bảng chỉ mục trong QiSDB - Khai phá mẫu dãy có trọng số trong cơ sở dữ liệu dãy
Bảng 3.10 Bảng chỉ mục trong QiSDB (Trang 124)
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 126)
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 131)
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 133)
Hình 3.8 Ảnh hưởng của số lượng mẫu dãy với thời gian chạy và bộ nhớ - 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 (Trang 136)

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w