1. Trang chủ
  2. » Luận Văn - Báo Cáo

Khai thác k mẫu tuần tự tối đại

86 9 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

Tiêu đề Khai Thác K Mẫu Tuần Tự Tối Đại
Tác giả Nguyễn Thị Quyên
Người hướng dẫn PGS. TS. Lê Hoài Bắc
Trường học Trường Đại Học Công Nghệ TP. HCM
Chuyên ngành Công Nghệ Thông Tin
Thể loại Luận Văn Thạc Sĩ
Năm xuất bản 2015
Thành phố TP. HỒ CHÍ MINH
Định dạng
Số trang 86
Dung lượng 1,26 MB

Nội dung

Ngày đăng: 11/07/2021, 16:52

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] P. Tzvetkov, X. Yan, and J. Han (2005). “TSP: Mining top-k closed sequential patterns,” Knowl. Inf. Syst., vol. 7, no. 4, pp. 438 – 457 Sách, tạp chí
Tiêu đề: TSP: Mining top-k closed sequential patterns,” "Knowl. Inf. Syst
Tác giả: P. Tzvetkov, X. Yan, and J. Han
Năm: 2005
[2] P. Fournier-Viger, C. W. Wu, and V. S. Tseng (2013). “Mining maximal sequential patterns without candidate maintenance,” Lect. Notes Comput. Sci.(including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol.8346 LNAI, no. PART 1, pp. 169 – 180 Sách, tạp chí
Tiêu đề: Mining maximal sequential patterns without candidate maintenance,” "Lect. Notes Comput. Sci. "(including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics)
Tác giả: P. Fournier-Viger, C. W. Wu, and V. S. Tseng
Năm: 2013
[3] R. Agrawal and R. Srikant (1995). “Mining sequential patterns,” Proc. 11th Int. Conf. Data Eng., pp. 3 – 14 Sách, tạp chí
Tiêu đề: Mining sequential patterns,” "Proc. 11th Int. Conf. Data Eng
Tác giả: R. Agrawal and R. Srikant
Năm: 1995
[4] R. Srikant and R. Agrawal (1996). “Mining Sequential Patterns: Generalizations and Performance Improvements,” Proc. 5th Int. Conf.Extending Database Technol. Adv. Database Technol., pp. 3 – 17 Sách, tạp chí
Tiêu đề: Mining Sequential Patterns: Generalizations and Performance Improvements,” "Proc. 5th Int. Conf. "Extending Database Technol. Adv. Database Technol
Tác giả: R. Srikant and R. Agrawal
Năm: 1996
[5] J. P. J. Pei, J. H. J. Han, B. Mortazavi-Asl, H. Pinto, Q. C. Q. Chen, U. Dayal, and M.-C. H. M.-C. Hsu (2001). “PrefixSpan,: mining sequential patterns efficiently by prefix-projected pattern growth,” Proc. 17th Int. Conf. Data Eng Sách, tạp chí
Tiêu đề: PrefixSpan,: mining sequential patterns efficiently by prefix-projected pattern growth,”
Tác giả: J. P. J. Pei, J. H. J. Han, B. Mortazavi-Asl, H. Pinto, Q. C. Q. Chen, U. Dayal, and M.-C. H. M.-C. Hsu
Năm: 2001
[6] M. J. Zaki (2001). “SPADE: An efficient algorithm for mining frequent sequences,” Mach. Learn., vol. 42, no. 1 – 2, pp. 31 – 60, 2001 Sách, tạp chí
Tiêu đề: SPADE: An efficient algorithm for mining frequent sequences,” "Mach. Learn
Tác giả: M. J. Zaki
Năm: 2001
[7] J. Ayres, J. Gehrke, T. Yiu, and J. Flannick (2002). “Sequential pattern mining using a bitmap representation,” Proc. eighth ACM SIGKDD Int. Conf. Knowl.Discov. data Min., pp. 429 – 435 Sách, tạp chí
Tiêu đề: Sequential pattern mining using a bitmap representation,” "Proc. eighth ACM SIGKDD Int. Conf. Knowl. "Discov. data Min
Tác giả: J. Ayres, J. Gehrke, T. Yiu, and J. Flannick
Năm: 2002
[8] M. J. Zaki and W. Meira JR. (2014). Data mining and analysis: fundamental concepts and algorithms. Cambridge University Press, New York Sách, tạp chí
Tiêu đề: Data mining and analysis: fundamental concepts and algorithms
Tác giả: M. J. Zaki and W. Meira JR
Năm: 2014
[9] S. Guha, R. Rastogi, and R. K. Shim (2009). “A robust clustering algorithm for categorical attributes,” In ICDE’99, pp. 512 – 521 Sách, tạp chí
Tiêu đề: A robust clustering algorithm for categorical attributes,” "In ICDE’99
Tác giả: S. Guha, R. Rastogi, and R. K. Shim
Năm: 2009
[10] H. Mannila, H. Toivonen, and A. Verkamo (1997). “Discovery of frequent episodes in event sequences,” Data Min. Knowl. …, vol. 289, pp. 259 –289 Sách, tạp chí
Tiêu đề: Discovery of frequent episodes in event sequences,” "Data Min. Knowl. …
Tác giả: H. Mannila, H. Toivonen, and A. Verkamo
Năm: 1997
[11] R. Agrawal, T. Imieliński, and A. Swami (1993). “Mining association rules between sets of items in large databases,” ACM SIGMOD Rec., vol. 22, no. 2, pp. 207 – 216 Sách, tạp chí
Tiêu đề: Mining association rules between sets of items in large databases,” "ACM SIGMOD Rec
Tác giả: R. Agrawal, T. Imieliński, and A. Swami
Năm: 1993
[12] X. Yan, J. Han, and R. Afshar (2003). “CloSpan: Mining closed sequential patterns in large datasets,” Proc. 2003 SIAM Int’l Conf. Data Min., pp. 166 –177 Sách, tạp chí
Tiêu đề: CloSpan: Mining closed sequential patterns in large datasets,” "Proc. 2003 SIAM Int’l Conf. Data Min
Tác giả: X. Yan, J. Han, and R. Afshar
Năm: 2003

HÌNH ẢNH LIÊN QUAN

Bảng 2.4. CSDL biểu diễn theo chiều dọc - Khai thác k mẫu tuần tự tối đại
Bảng 2.4. CSDL biểu diễn theo chiều dọc (Trang 25)
Hình 2.1. Mô tả thuật toán PrefixSpan - Khai thác k mẫu tuần tự tối đại
Hình 2.1. Mô tả thuật toán PrefixSpan (Trang 31)
1. Tìm chuỗi phổ biến độ dà i1 - Khai thác k mẫu tuần tự tối đại
1. Tìm chuỗi phổ biến độ dà i1 (Trang 33)
Bảng 2.5. CSDL được chiếu theo <a> - Khai thác k mẫu tuần tự tối đại
Bảng 2.5. CSDL được chiếu theo <a> (Trang 33)
Vậy, ta có bảng kết quả sau: - Khai thác k mẫu tuần tự tối đại
y ta có bảng kết quả sau: (Trang 36)
Bảng 2.12. Mẫu tuần tự tối đại - Khai thác k mẫu tuần tự tối đại
Bảng 2.12. Mẫu tuần tự tối đại (Trang 40)
Ví dụ 2.11: Xét CSDL như bảng 2.1, k= 3, min_l = 3, max_l = 3. Ta tìm được 3 mẫu như sau: - Khai thác k mẫu tuần tự tối đại
d ụ 2.11: Xét CSDL như bảng 2.1, k= 3, min_l = 3, max_l = 3. Ta tìm được 3 mẫu như sau: (Trang 40)
Hình 2.2. Cây PDB 2.4.4.2. Thuật toán TSP - Khai thác k mẫu tuần tự tối đại
Hình 2.2. Cây PDB 2.4.4.2. Thuật toán TSP (Trang 42)
Hình 2.3. Mô tả thủ tục TopsequencesTraversal Thủ tục ClosePatternVerification: - Khai thác k mẫu tuần tự tối đại
Hình 2.3. Mô tả thủ tục TopsequencesTraversal Thủ tục ClosePatternVerification: (Trang 44)
Hình 2.4. Mô tả thủ tục ClosePatternVerification - Khai thác k mẫu tuần tự tối đại
Hình 2.4. Mô tả thủ tục ClosePatternVerification (Trang 44)
Hình 2.5. Mô tả thuật toán TSP - Khai thác k mẫu tuần tự tối đại
Hình 2.5. Mô tả thuật toán TSP (Trang 46)
Hình 2.6. Mô tả thủ tục lưu mẫu tuần tự đóng - Khai thác k mẫu tuần tự tối đại
Hình 2.6. Mô tả thủ tục lưu mẫu tuần tự đóng (Trang 48)
Bảng 2.14. Kết quả thuật toán TSP với k= 3, min_l 1 Mẫu tuần tự đóng SIDSum <(a)(b)>: 4 10 - Khai thác k mẫu tuần tự tối đại
Bảng 2.14. Kết quả thuật toán TSP với k= 3, min_l 1 Mẫu tuần tự đóng SIDSum <(a)(b)>: 4 10 (Trang 56)
Hình 2.7. Mô tả thuật toán ITSP - Khai thác k mẫu tuần tự tối đại
Hình 2.7. Mô tả thuật toán ITSP (Trang 58)
Ví dụ 2.16: Xét CSDL như bảng 2.1, cho k= 3, min_l 1 - Khai thác k mẫu tuần tự tối đại
d ụ 2.16: Xét CSDL như bảng 2.1, cho k= 3, min_l 1 (Trang 58)
Bảng 2.15. Kết quả thuật toán ITSP với k= 3, min_l 1 - Khai thác k mẫu tuần tự tối đại
Bảng 2.15. Kết quả thuật toán ITSP với k= 3, min_l 1 (Trang 65)
Bảng 2.16. Kết quả thuật toán ITSP với k= 3, min_l =2 - Khai thác k mẫu tuần tự tối đại
Bảng 2.16. Kết quả thuật toán ITSP với k= 3, min_l =2 (Trang 66)
Hình 2.8. Mô tả thuật toán TMSP - Khai thác k mẫu tuần tự tối đại
Hình 2.8. Mô tả thuật toán TMSP (Trang 68)
 Nếu tổng SID(s) không nằm trong bảng Hash thì thê ms vào tập F và tăng độ hỗ trợ (dòng 16) - Khai thác k mẫu tuần tự tối đại
u tổng SID(s) không nằm trong bảng Hash thì thê ms vào tập F và tăng độ hỗ trợ (dòng 16) (Trang 69)
Hình 2.9. Mô tả thủ tục lưu mẫu tuần tự tối đại Ví dụ 2.17: Xét CSDL như bảng 2.1, cho k = 5, min_l = 1, max_l = 3 - Khai thác k mẫu tuần tự tối đại
Hình 2.9. Mô tả thủ tục lưu mẫu tuần tự tối đại Ví dụ 2.17: Xét CSDL như bảng 2.1, cho k = 5, min_l = 1, max_l = 3 (Trang 70)
Bảng 2.17. Kết quả thuật toán TMSP với k= 5, min_l = 1, max_l 3 - Khai thác k mẫu tuần tự tối đại
Bảng 2.17. Kết quả thuật toán TMSP với k= 5, min_l = 1, max_l 3 (Trang 77)
Bảng 3.2. So sánh thời gian và bộ nhớ sử dụng trên CSDL vớ ik từ 50 đến 500 - Khai thác k mẫu tuần tự tối đại
Bảng 3.2. So sánh thời gian và bộ nhớ sử dụng trên CSDL vớ ik từ 50 đến 500 (Trang 79)
Hình 3.1. So sánh thời gian thực hiện và bộ nhớ sử dụng của hai thuật toán trên - Khai thác k mẫu tuần tự tối đại
Hình 3.1. So sánh thời gian thực hiện và bộ nhớ sử dụng của hai thuật toán trên (Trang 80)
Hình 3.2. So sánh thời gian thực hiện và bộ nhớ sử dụng của hai thuật toán trên - Khai thác k mẫu tuần tự tối đại
Hình 3.2. So sánh thời gian thực hiện và bộ nhớ sử dụng của hai thuật toán trên (Trang 80)
Hình 3.3. So sánh thời gian thực hiện và bộ nhớ sử dụng của hai thuật toán trên - Khai thác k mẫu tuần tự tối đại
Hình 3.3. So sánh thời gian thực hiện và bộ nhớ sử dụng của hai thuật toán trên (Trang 81)
Bảng 3.5. So sánh bộ nhớ sử dụng trên CSDL với min_l = 1, mal_l 5 - Khai thác k mẫu tuần tự tối đại
Bảng 3.5. So sánh bộ nhớ sử dụng trên CSDL với min_l = 1, mal_l 5 (Trang 82)
Bảng 3.6. So sánh bộ nhớ sử dụng trên CSDL với min_l = 1, mal_l 3 - Khai thác k mẫu tuần tự tối đại
Bảng 3.6. So sánh bộ nhớ sử dụng trên CSDL với min_l = 1, mal_l 3 (Trang 83)
Bảng 3.7. Cách tìm và liệt kê các mẫu tuần tự theo hướng tiếp cận từ dưới lên - Khai thác k mẫu tuần tự tối đại
Bảng 3.7. Cách tìm và liệt kê các mẫu tuần tự theo hướng tiếp cận từ dưới lên (Trang 84)
Bảng 3.8. Cách tìm và liệt kê các mẫu tuần tự theo hướng tiếp cận từ trên xuống - Khai thác k mẫu tuần tự tối đại
Bảng 3.8. Cách tìm và liệt kê các mẫu tuần tự theo hướng tiếp cận từ trên xuống (Trang 85)

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w