Chƣơng 2 đã trình bày các kiến thức cơ bản về trên nền tảng lý thuyết và các tính chất đã đƣợc chứng minh khi làm thô và làm mịn giá trị thuộc tính. Từ các khái niệm cơ bản này, luận văn đã trình bày thuật toán khai phá luật quyết định dựa trên sự thay đổi các giá trị thuộc tính theo hƣớng tiếp cận tính toán gia tăng ma trận độ hỗ trợ.
CHƢƠNG 3. THUẬT TOÁN TIẾP CẬN GIA TĂNG ĐỂ KHAI PHÁ LUẬT QUYẾT ĐỊNH TRÊN CƠ SỞ DỮ LIỆU CÓ CÁC ĐỐI TƢỢNG THAY ĐỔI
Trong chƣơng này, luận văn sẽ tìm hiểu sự thay đổi của kiến thức quan tâm trong các hệ thống thông tin động khi tập các đối tƣợng tiến hóa theo thời gian trong khi các giá trị thuộc tính vẫn không đổi. Chƣơng 3 trình bày hai thuật toán theo hƣơng tiếp cận gia tăng khi bảng dữ liệu có tập các đối tƣợng thay đổi. Thuật toán thứ nhất là thuật toán của Liu. Trong [6], Liu đã đề xuất thuật toán dựa theo hƣớng tiếp cận gia tăng và trích rút các luật dựa trên việc tính toán gia tăng ma trận độ chính xác và độ phủ của hệ thống thông tin hoàn chỉnh khi có sự thay đổi (thêm hoặc xóa bớt) các đối tƣợng. Các luật thỏa mãn khi nó đáp ứng đƣợc tiêu chí của bộ gồm hai ngƣỡng của độ chính xác và độ phủ cho trƣớc. Thuật toán thứ hai mà luận văn đề cập đến là thuật toán cải tiến của thuật toán trong [6]. Thuật toán này đƣợc đề xuất bởi Tiến sĩ Nguyễn Quang Khanh, thuật toán hƣớng theo hƣớng tiếp cận gia tăng và tập trung tính toán gia tăng ma trận độ hỗ trợ khi có tập đối tƣợng thay đổi để trích rút các luật có ý nghĩa.
Chƣơng này đƣợc bố cục làm 5 mục: Mục 3.1 - Thuật toán của Liu tính toán gia tăng ma trận độ chính xác và ma trận độ phủ. Mục 3.2 - Thuật toán tính toán gia tăng ma trận độ hỗ trợ. Mục 3.2 - Đánh giá hai thuật toán. Mục 3.4 - Cài đặt thuật toán tính toán gia tăng ma trận độ hỗ trợ. Mục 3.5 - Kết luận chƣơng.