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

Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch

78 12 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 Mẫu Trọng Số Phổ Biến Tối Đại Trong Cơ Sở Dữ Liệu Giao Dịch
Tác giả Phan Văn Bảo An
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 2016
Thành phố TP. HCM
Định dạng
Số trang 78
Dung lượng 1,11 MB

Nội dung

Ngày đăng: 11/07/2021, 16:52

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] Agrawal at al. (1993). Mining Association Rule between sets of items in large databases. ACM SIGMOD Record 22 (2) 207-216 Khác
[2] Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. In: VLDB’94 (pp. 487-499) Khác
[3] Cai, C. H., Fu, A. W., Cheng, C. H., & Kwong, W. W. (1998). Mining association rules with weighted items. In: Proceedingss of international database engineering and applications symposium (IDEAS 98) (pp. 68-77) Khác
[4] Ramkumar, G. D., Ranka, S., & Tsur, S. (1998). Weighted association rules: Model and algorithm. In: SIGKDD’98 (pp. 661-666) Khác
[5] Tao, F., Murtagh, F., & Farid, M. (2003). Weighted association rule mining using weighted support and signficance framework. In: SIGKDD’03 (pp. 661-666) Khác
[6] Wang, W., Yang, J., & Yu, P. S. (2000). Efficient mining of weighted association rules. In: SIGKDD 2000 (pp. 270-274) Khác
[7] Han, J., Pei, J., & Yin, Y. (2000). Mining frequent patterns without candidate generation. In: SIGMOD (pp. 1-12) Khác
[8] Zaki et al. (1997). New algorithms for fast discovery of association rules Khác
[9] Vo, B., Coenen, F., Le, B (2013). A new method for mining frequent weighted itemsets based on WIT-trees. Expert systems with applications 40(4), 1256-1264 Khác
[11] Zaki, M. J. (2004). Mining non-redundant association rules. Data Mining andKnowledge Discovery, 9(3), 223–248 Khác
[12] Zaki, M. J., & Gouda, K. (2003). Fast vertical mining using diffsets. In Khác
[13] Nguyễn Lâm, 2014 Khai thác Top-rank-k tập được đánh trọng số (Luận văn cao học, Học viện kỹ thuật quân sự) Khác
[14] Han, J., Pei, J., & Yin, Y. (2000). Mining frequent patterns without candidate generation. In: SIGMOD (pp. 1-12) Khác
[15] D. Burdick, M. Calimlim, J. Flannick, J. Gehrke, T. Yiu, MAFIA: a maximal frequent itemset algorithm, IEEE Transactions on Knowledge and Data Engineering 17 (11) (2005) 1490–1504 Khác
[16] U. Yun, Hyeonil Shin, Keun Ho Ryu, EunChul Yoon: An efficient mining algorithm for maximal weighted frequent patterns in transactional databases, Knowledge and Information Systems pages Vol 33, page 53–64 (2012) Khác
[17] U. Yun, K. Ryu, Approximate weighted frequent pattern mining with/without noisy environments, Knowledge Based Systems 24 (1) (2011) 73–82 Khác
[18] U. Yun, An efficient mining of weighted frequent patterns with length decreasing support constraints, Knowledge Based Systems 21 (8) (2008) 741–752 Khác

HÌNH ẢNH LIÊN QUAN

Bảng 2.2 Apriori 1-itemset thỏa min_sup - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Bảng 2.2 Apriori 1-itemset thỏa min_sup (Trang 23)
Bảng 2.4 Apriori 3-itemset thỏa min_sup - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Bảng 2.4 Apriori 3-itemset thỏa min_sup (Trang 24)
Bảng 2.3 Apriori 2-itemset thỏa min_sup - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Bảng 2.3 Apriori 2-itemset thỏa min_sup (Trang 24)
Bảng 2.5 Apriori 4-itemset thỏa min_sup - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Bảng 2.5 Apriori 4-itemset thỏa min_sup (Trang 25)
Sử dụng cơ sở dữ liệ uD (Bảng 2.1.2.1) để tiến hành khai thác các tập phổ biến có độ hỗ trợ thỏa min_sup = 0.4 - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
d ụng cơ sở dữ liệ uD (Bảng 2.1.2.1) để tiến hành khai thác các tập phổ biến có độ hỗ trợ thỏa min_sup = 0.4 (Trang 27)
Hình 2.2 Cây IT-tree với lớp tương đương ở mức 2 - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 2.2 Cây IT-tree với lớp tương đương ở mức 2 (Trang 28)
Hình 2.3 Cây IT-tree với lớp tương đương ở mức - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 2.3 Cây IT-tree với lớp tương đương ở mức (Trang 29)
// Tạo node-link chỉ đến item, H là bảng Header N.node-lin k= H[p].head; H[p].head = N; - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
o node-link chỉ đến item, H là bảng Header N.node-lin k= H[p].head; H[p].head = N; (Trang 31)
For each ai trong bảng header của Tree { - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
or each ai trong bảng header của Tree { (Trang 32)
Bảng 2.6 Cơ sở dữ liệu các GD D1 - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Bảng 2.6 Cơ sở dữ liệu các GD D1 (Trang 32)
Hình 2.6 Cây FP hoàn chỉnh - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 2.6 Cây FP hoàn chỉnh (Trang 34)
Hình 2.5 Khởi tạo nút root trên cây FP - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 2.5 Khởi tạo nút root trên cây FP (Trang 34)
X Weighted support (ws) - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
eighted support (ws) (Trang 36)
Hình 2.7 Cây WIT-tree với tập Lc - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 2.7 Cây WIT-tree với tập Lc (Trang 40)
Hình 2.8 Cây WIT-tree sau khi tiến hành tỉa các tập không thỏa min_ws - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 2.8 Cây WIT-tree sau khi tiến hành tỉa các tập không thỏa min_ws (Trang 41)
Hình 2.10 Cây WIT-tree hoàn chỉnh với min_ws =0.4 - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 2.10 Cây WIT-tree hoàn chỉnh với min_ws =0.4 (Trang 42)
Hình 3.1 Các node và trọng số hỗ trợ - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 3.1 Các node và trọng số hỗ trợ (Trang 48)
Hình 3.3 Một ví dụ về một cây tiền tố với thứ tự giảm dần trọng số - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 3.3 Một ví dụ về một cây tiền tố với thứ tự giảm dần trọng số (Trang 51)
2.1 và bảng trọng số các item trong CSD LD 2.2 như sau: - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
2.1 và bảng trọng số các item trong CSD LD 2.2 như sau: (Trang 58)
Bảng 3.3 Trọng số GD của từng GD - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Bảng 3.3 Trọng số GD của từng GD (Trang 58)
Hình 3.5 Kết quả của thuật toán WIT-FWI-DIFF từ CSDL trong Bảng 2.9 với - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 3.5 Kết quả của thuật toán WIT-FWI-DIFF từ CSDL trong Bảng 2.9 với (Trang 59)
Bảng 3.7 Sắp xếp trọng số giảm dần các item - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Bảng 3.7 Sắp xếp trọng số giảm dần các item (Trang 64)
Hình 3.9 mở rộng nhánh {c} - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 3.9 mở rộng nhánh {c} (Trang 68)
Hình 3.11 MWFP là {{c,a,d,b},{a,d,b,e},{a,b,e,f}} là các mẫu trọng số phổ biến - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 3.11 MWFP là {{c,a,d,b},{a,d,b,e},{a,b,e,f}} là các mẫu trọng số phổ biến (Trang 69)
Hình 4.1 Biểu đồ thực nghiệm MWFP trên CSDL Chess - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 4.1 Biểu đồ thực nghiệm MWFP trên CSDL Chess (Trang 71)
Hình 4.3 Biểu đồ thực nghiệm MWFP trên CSDL BMS1_itemset_mining - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 4.3 Biểu đồ thực nghiệm MWFP trên CSDL BMS1_itemset_mining (Trang 72)
Hình 4.2 Biểu đồ thực nghiệm MWFP trên CSDL Mushrooms - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 4.2 Biểu đồ thực nghiệm MWFP trên CSDL Mushrooms (Trang 72)
Hình 4.5 Biểu đồ thực nghiệm bộ nhớ sử dụng - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 4.5 Biểu đồ thực nghiệm bộ nhớ sử dụng (Trang 73)
Hình 4.4 Biểu đồ thực nghiệm MWFP trên CSDL Connect - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 4.4 Biểu đồ thực nghiệm MWFP trên CSDL Connect (Trang 73)
Hình 4.6 Chương trình đề mô thuật toán - Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
Hình 4.6 Chương trình đề mô thuật toán (Trang 74)

TỪ KHÓA LIÊN QUAN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w