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

Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng

79 10 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 Luật Kết Hợp Tối Thiểu Sử Dụng Dàn Tập Đóng
Tác giả Võ Minh Quân
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 Sỹ
Năm xuất bản 2015
Thành phố TP. HỒ CHÍ MINH
Định dạng
Số trang 79
Dung lượng 5,15 MB

Nội dung

Ngày đăng: 11/07/2021, 16:52

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] Lê Hoài Bắc & Võ Đình Bảy. Khai thác luật thiết yếu nhất từ tập phổ biến đóng.Science & Technology Development, Vol 11, No.01 – 2008, 40-50 Sách, tạp chí
Tiêu đề: Khai thác luật thiết yếu nhất từ tập phổ biến đóng
Tác giả: Lê Hoài Bắc, Võ Đình Bảy
Nhà XB: Science & Technology Development
Năm: 2008
[3] Lê Hoài Bắc & Võ Đình Bảy. Thuật toán tìm nhanh Minimal Generator của tập phổ biến đóng. Tạp chí Phát triển KH&CN, tập 10, số 12-2007, 11-19 Sách, tạp chí
Tiêu đề: Thuật toán tìm nhanh Minimal Generator của tập phổ biến đóng
Tác giả: Lê Hoài Bắc, Võ Đình Bảy
Nhà XB: Tạp chí Phát triển KH&CN
Năm: 2007
[4] Võ Đ ình Bảy (2011). Nâng cao hiệu quả của các thuật toán khai thác luật kết hợp dự trên dàn. Luận văn Tiến sĩ, Khoa Học Máy Tính, ĐHKHTN.Tiếng Anh Sách, tạp chí
Tiêu đề: Nâng cao hiệu quả của các thuật toán khai thác luật kết hợp dự trên dàn
Tác giả: Võ Đ ình Bảy
Nhà XB: Khoa Học Máy Tính, ĐHKHTN
Năm: 2011
[5] Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules in large databases. In VLDB (pp. 487–499) Sách, tạp chí
Tiêu đề: Fast algorithms for mining association rules in large databases
Tác giả: R. Agrawal, R. Srikant
Nhà XB: VLDB
Năm: 1994
[6] Agrawal, R., & Srikant, R. (1995). Mining sequential patterns. In ICDE (pp. 3–14) Sách, tạp chí
Tiêu đề: Mining sequential patterns
Tác giả: Agrawal, R., Srikant, R
Nhà XB: ICDE
Năm: 1995
[7] Agrawal, R., Imielinski, T., & Swami, A.N. (1993). Mining association rules between sets of items in large databases. In SIGMOD conference (pp. 207–216) Sách, tạp chí
Tiêu đề: Mining association rules between sets of items in large databases
Tác giả: Agrawal, R., Imielinski, T., Swami, A.N
Nhà XB: SIGMOD conference
Năm: 1993
[8] Ahmed, C. F., Tanbeer, S. K., Jeong, B.-S., Lee, Y.-K., & Choi, H.-J. (2012).Single-pass incremental and interactive mining for weighted frequent patterns.Expert Systems with Applications, 39(9), 7976–7994 Sách, tạp chí
Tiêu đề: Single-pass incremental and interactive mining for weighted frequent patterns
Tác giả: Ahmed, C. F., Tanbeer, S. K., Jeong, B.-S., Lee, Y.-K., Choi, H.-J
Nhà XB: Expert Systems with Applications
Năm: 2012
[9] Alramouni, S.,& Lee, J. Y. (2005). Mining multiple-level association rules from a transactional database using fp-tree. In DMIN (pp. 97–103) Sách, tạp chí
Tiêu đề: Mining multiple-level association rules from a transactional database using fp-tree
Tác giả: Alramouni, S., Lee, J. Y
Nhà XB: DMIN
Năm: 2005
[10] Bastide, Y., Pasquier, N., Taouil, R., Stumme, G., & Lakhal, L. (2000). Mining minimal non-redundant association rules using frequent closed itemsets. In Computational logic (pp. 972–986) Sách, tạp chí
Tiêu đề: Computational logic
Tác giả: Bastide, Y., Pasquier, N., Taouil, R., Stumme, G., & Lakhal, L
Năm: 2000
[11] Brin, S., Motwani, R., & Silverstein, C. (1997). Beyond market baskets:Generalizing association rules to correlations. In SIGMOD conferencepp. (265–276) Sách, tạp chí
Tiêu đề: Beyond market baskets:Generalizing association rules to correlations
Tác giả: Brin, S., Motwani, R., Silverstein, C
Nhà XB: SIGMOD conference
Năm: 1997
[12] Han, J., & Fu, Y. (1995). Discovery of multiple-level association rules from large databases. In VLDB (pp. 420–431) Sách, tạp chí
Tiêu đề: VLDB
Tác giả: Han, J., & Fu, Y
Năm: 1995
[13] Han, J., Pei, J., & Yin, Y. (2000). Mining frequent patterns without candidate generation. In SIGMOD conference (pp. 1–12) Sách, tạp chí
Tiêu đề: Mining frequent patterns without candidate generation
Tác giả: Han, J., Pei, J., Yin, Y
Nhà XB: SIGMOD conference
Năm: 2000
[14] Han, J., & Fu, Y. (1999). Mining multiple-level association rules in large databases. IEEE Transactions on Knowledge and Data Engineering, 11(5), 798–804 Sách, tạp chí
Tiêu đề: Mining multiple-level association rules in large databases
Tác giả: Han, J., Fu, Y
Nhà XB: IEEE Transactions on Knowledge and Data Engineering
Năm: 1999
[15] Jia, L., Yao, J., & Pei, R. (2003). Mining association rules with frequent closed itemsets lattice. In KES (pp. 469–475) Sách, tạp chí
Tiêu đề: Mining association rules with frequent closed itemsets lattice
Tác giả: Jia, L., Yao, J., Pei, R
Nhà XB: KES
Năm: 2003
[16] ki Leung, C. W., fai Chan, S. C., & Chung, F.-L. (2008). An empirical study of a cross-level association rule mining approach to cold-start recommendations.Knowledge Based Systems, 21(7), 515–529 Sách, tạp chí
Tiêu đề: An empirical study of a cross-level association rule mining approach to cold-start recommendations
Tác giả: ki Leung, C. W., fai Chan, S. C., Chung, F.-L
Nhà XB: Knowledge Based Systems
Năm: 2008
[17] Loglisci, C., & Malerba, D. (2009). Mining multiple level non-redundant association rules through two-fold pruning of redundancies. In MLDM (pp. 251–265) Sách, tạp chí
Tiêu đề: MLDM
Tác giả: Loglisci, C., & Malerba, D
Năm: 2009
[18] Pei, J., Han, J., & Mao, R. (2000). Closet: An efficient algorithm for mining frequent closed itemsets. In ACM SIGMOD workshop on research issues in data mining and knowledge discovery(pp. 21–30) Sách, tạp chí
Tiêu đề: ACM SIGMOD workshop on research issues in datamining and knowledge discovery
Tác giả: Pei, J., Han, J., & Mao, R
Năm: 2000
[19] Shrivastava, V. K., Kumar, P., & Pardasani, K. R. Fp-tree and cofi based approach for mining of multiple level association rules in large databases. arXiv:1003.1821 Sách, tạp chí
Tiêu đề: Fp-tree and cofi based approach for mining of multiple level association rules in large databases
Tác giả: V. K. Shrivastava, P. Kumar, K. R. Pardasani
Nhà XB: arXiv
[20] Srikant, R., & Agrawal, R. (1995). Mining generalized association rules. In VLDB(pp. 407–419) Sách, tạp chí
Tiêu đề: Mining generalized association rules
Tác giả: Srikant, R., Agrawal, R
Nhà XB: VLDB
Năm: 1995
[21] Srikant, R., & Agrawal, R. (1996). Mining sequential patterns: Generalizations and performance improvements. In EDBT (pp. 3–17) Sách, tạp chí
Tiêu đề: Mining sequential patterns: Generalizations and performance improvements
Tác giả: Srikant, R., Agrawal, R
Nhà XB: EDBT
Năm: 1996

HÌNH ẢNH LIÊN QUAN

Bảng 1.2. Mối quan hệ giữa các ite mở mức 2và mức 3 - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Bảng 1.2. Mối quan hệ giữa các ite mở mức 2và mức 3 (Trang 20)
Bảng 1.3. CSDL giao dịch đã được mã hóa - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Bảng 1.3. CSDL giao dịch đã được mã hóa (Trang 21)
Xét CSDL ở Bảng 1.3a, tất cả các tập phổbiến thỏa minSup=3 như sau: - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
t CSDL ở Bảng 1.3a, tất cả các tập phổbiến thỏa minSup=3 như sau: (Trang 23)
Hình 2.1. Thuật toán Apriori - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 2.1. Thuật toán Apriori (Trang 23)
Hình 2.2. Thuật toán CHARM - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 2.2. Thuật toán CHARM (Trang 26)
Xét CSDL được trình bày ở Bảng1.3 c. Hình 2.3 minh họa quá trình khai thác FCI thỏaminSup=3. - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
t CSDL được trình bày ở Bảng1.3 c. Hình 2.3 minh họa quá trình khai thác FCI thỏaminSup=3 (Trang 27)
Hình 2.4. Thuật toán CHARM-L - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 2.4. Thuật toán CHARM-L (Trang 29)
Hình 2.5. Minh họa quá trình cập nhật dàn bằngCHARM-L - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 2.5. Minh họa quá trình cập nhật dàn bằngCHARM-L (Trang 30)
Hình 2.6. Thuật toán xây dựng dàn tập đóng (FCIL) từ FCI - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 2.6. Thuật toán xây dựng dàn tập đóng (FCIL) từ FCI (Trang 31)
Hình 2.7. Minh họa quá trình xây dựng FCIL từ các FCI của bảng 2.3. - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 2.7. Minh họa quá trình xây dựng FCIL từ các FCI của bảng 2.3 (Trang 32)
Hình 2.8. Thuật toán khai thác luật kết hợp tối thiểu không dư thừa từ dàn tập đóng - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 2.8. Thuật toán khai thác luật kết hợp tối thiểu không dư thừa từ dàn tập đóng (Trang 34)
Hình 3.2. Định dạng dữ liệu dọc và quá trình xây dựng dàn mức 2 - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 3.2. Định dạng dữ liệu dọc và quá trình xây dựng dàn mức 2 (Trang 49)
Hình 3.3. Định dạng dữ liệu dọc và quá trình xây dựng dàn mức 3 - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 3.3. Định dạng dữ liệu dọc và quá trình xây dựng dàn mức 3 (Trang 50)
Hình 3.4. Giao nút1st củ a2 dàn L2vàL3 - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 3.4. Giao nút1st củ a2 dàn L2vàL3 (Trang 51)
với các nútcủa L3, kết quả của dàn L(2,3) trình bày trong Hình 3.8. - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
v ới các nútcủa L3, kết quả của dàn L(2,3) trình bày trong Hình 3.8 (Trang 52)
Hình 3.9. Các dàn với lực lượng k=2 - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 3.9. Các dàn với lực lượng k=2 (Trang 53)
cùng, Hình 3.12 chứa dàn tập đóng tối thiểu cross-level kết quả có thể dùng để trích xuất các luật kết hợp cross-level. - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
c ùng, Hình 3.12 chứa dàn tập đóng tối thiểu cross-level kết quả có thể dùng để trích xuất các luật kết hợp cross-level (Trang 54)
Hình 3.12. Dàn tập đóng cross-level - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 3.12. Dàn tập đóng cross-level (Trang 55)
Hình 3.15. Quá trình xây dựng các tập phổbiến đóng mức 2 - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 3.15. Quá trình xây dựng các tập phổbiến đóng mức 2 (Trang 60)
Hình3.17. - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 3.17. (Trang 61)
Bảng 4.3. Kết quả thực nghiệm trên bộ dữ liệu Chess - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Bảng 4.3. Kết quả thực nghiệm trên bộ dữ liệu Chess (Trang 64)
Bảng 4.2. Kết quả thực nghiệm trên bộ dữ liệu Mushroom - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Bảng 4.2. Kết quả thực nghiệm trên bộ dữ liệu Mushroom (Trang 64)
Hình 4.1. Thời gian xây dựng dàn từ bộ dữ liệu Mushroom với các giá trị khác nhau - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 4.1. Thời gian xây dựng dàn từ bộ dữ liệu Mushroom với các giá trị khác nhau (Trang 66)
Hình 4.3. Thời gian xây dựng dàn từ bộ dữ liệu Pumsb với các giá trị khác nhau của - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 4.3. Thời gian xây dựng dàn từ bộ dữ liệu Pumsb với các giá trị khác nhau của (Trang 67)
Hình 4.4. Thời gian xây dựng dàn từ bộ dữ liệu Retail với các giá trị khác nhau của - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 4.4. Thời gian xây dựng dàn từ bộ dữ liệu Retail với các giá trị khác nhau của (Trang 67)
Hình 4.5. Lượng bộ nhớ cần thiết để xây dựng dàn từ bộ dữ liệu Mushroom với các - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 4.5. Lượng bộ nhớ cần thiết để xây dựng dàn từ bộ dữ liệu Mushroom với các (Trang 68)
Hình 4.6. Lượng bộ nhớ cần thiết để xây dựng dàn từ bộ dữ liệu Chess với các giá - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 4.6. Lượng bộ nhớ cần thiết để xây dựng dàn từ bộ dữ liệu Chess với các giá (Trang 68)
Hình 4.7. Lượng bộ nhớ cần thiết để xây dựng dàn từ bộ dữ liệu Pumsb với các giá - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 4.7. Lượng bộ nhớ cần thiết để xây dựng dàn từ bộ dữ liệu Pumsb với các giá (Trang 69)
Hình 4.8. Lượng bộ nhớ cần thiết để xây dựng dàn từ bộ dữ liệu Retail với các giá - Khai thác luật kết hợp tối thiểu sử dụng dàn tập đóng
Hình 4.8. Lượng bộ nhớ cần thiết để xây dựng dàn từ bộ dữ liệu Retail với các giá (Trang 69)

TỪ KHÓA LIÊN QUAN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN