skip to Main Content
شناسایی الگوهای مشابه مکرر بسته شده: کاهش تعداد الگوهای مشابه مکرر بدون از دست دادن اطلاعات

شناسایی الگوهای مشابه مکرر بسته شده: کاهش تعداد الگوهای مشابه مکرر بدون از دست دادن اطلاعات

عنوان انگلیسی: Closed frequent similar pattern mining: Reducing the number of frequent similar patterns without information loss
سال نشر: ۲۰۱۸
نویسنده: Ansel Y. Rodríguez-González,Fernando Lezama,Carlos A. Iglesias-Alvarez,José Fco. Martínez-Trinidad,Jesús A. Carrasco-Ochoa,Enrique Munoz de Cote
تعداد صفحه فارسی: ۱ – تعداد صفحه انگلیسی: ۱۳
دانشگاه: Department of Computer Sciences, Institute of Astrophysics, Optics and Electronics (INAOE), Luis Enrique Erro 1, Tonantzintla, Puebla, 72840, Mexico b Faculty of Mathematics and Computer Science, University of Havana, San Lazaro and L, Plaza de la Revolución, Havana, Cuba
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: ترجمه پلاس

چکیده

استخراج الگوهای مکرر یک کار، کلیدی برای کشف اطلاعات مفید است. با وجود کیفیت راه حل های داده شده توسط الگوریتم های یافتن الگوهای مکرر ، اکثر آنها با چالش چگونگی کاهش تعداد الگوهای مکرر بدون از دست رفتن اطلاعات مواجه می شوند. یافتن مجموعه های مکرر این مشکل را با کشف یک مجموعه کاهش یافته از مجموعه مکرر، به نام مجموعه های مکرر بسته، که از آن می توان تمام مجموعه الگوی مکرر را بازیابی کرد، حل می کند. با این حال، برای یافتن نمونه های مکرر مشابه، که در آن تعداد الگوها حتی از مجموعه یابی مکرر بزرگتر هستند، این مشکل هنوز حل نشده است. در این مقاله، ما مفهوم یافتن الگوی مشابه مکرر بسته را برای کشف تعدادی از الگوهای مکرر مشابه بدون از دست دادن اطلاعات معرفی می کنیم. علاوه بر این،یک الگوریتم جدید یافتن الگوی مشابه مکرر بسته با نام CFSP-Miner پیشنهاد شده است. الگوریتم، الگوهای مکرر را با عبور از یک درخت که شامل تمام الگوهای مشابه شبیه بسته است، می یابد. برای انجام این کار به صورت موثر، چندین لم برای پر کردن فضای جستجو معرفی و اثبات شده است. نتایج نشان می دهد که CFSP-Miner کارآمدتر از الگوریتم های مور

Abstract

Frequent pattern mining is considered a key task to discover useful information. Despite the quality of solutions given by frequent pattern mining algorithms, most of them face the challenge of how to reduce the number of frequent patterns without information loss. Frequent itemset mining addresses this problem by discovering a reduced set of frequent itemsets, named closed frequent itemsets , from which the entire frequent pattern set can be recovered. However, for frequent similar pattern mining , where the number of patterns is even larger than for Frequent itemset mining, this problem has not been addressed yet. In this paper, we introduce the concept of closed frequent similar pattern mining to discover a reduced set of frequent similar patterns without information loss. Additionally, a novel closed frequent similar pattern mining algorithm, named CFSP-Miner , is proposed. The algorithm discovers frequent patterns by traversing a tree that contains all the closed frequent
۳۳۰,۰۰۰ ریال – خرید
امتیاز شما:
(No Ratings Yet)
Back To Top