ترجمه مقاله بهینه سازی رویکرد کاوش قانون وابستگی توزیعی براساس پارتیشن بندی عمودی

ترجمه مقاله بهینه سازی رویکرد کاوش قانون وابستگی توزیعی براساس پارتیشن بندی عمودی
قیمت خرید این محصول
۲۷,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
بهینه سازی رویکرد کاوش قانون وابستگی توزیعی براساس پارتیشن بندی عمودی
عنوان انگلیسی
Optimization of Distributed Association Rule Mining Approach Based On Vertical Partitioning
صفحات مقاله فارسی
11
صفحات مقاله انگلیسی
6
سال انتشار
2013
نشریه
IJCSE
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
5574
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
مهندسی الگوریتم ها و محاسبات، مهندسی نرم افزار و داده کاوی
مجله
مجله بین المللی مهندسی علوم کامپیوتر
دانشگاه
گروه نرم‌افزار و علوم کامپیوتر، دانشگاه چودری دیویلال (CDLU)
کلمات کلیدی
داده‌کاوی، کاوش قانون وابستگی توزیعی، پارتیشن‌بندی عمومی
فهرست مطالب
چکیده
1- مقدمه
2-پژوهش‌های مرتبط
3- پژوهش پیشنهادی
4- ارزیابی تجربی
5- نتیجه‌گیری
نمونه چکیده متن اصلی انگلیسی
Abstract

Association rule mining is a one of the most important technique in data mining. It extracts significant patterns from transaction databases and generates rules used in many decision support application. Modern organizations are geographically distributed. Using the traditional centralized association rule mining to discover useful patterns in such distributed system is not always feasible because merging data sets from different sites into a centralized site incurs huge network communication and time costs. This paper present an optimized Distributed Association Rule Mining (D-ARM) based on vertical partitioning. The existing D-ARM algorithms have lots of communication overhead, which is a major issue for concerning. The proposed approach minimizes this communication overhead and it is based on total count. The papers then discuss the Total Count on Vertical Dataset (TCDV) use of this structure which offers significant advantages with respect to existing DARM techniques.

نمونه چکیده ترجمه متن فارسی
چکیده

کاوش قانون وابستگی یکی از مهمترین روش‌های داده‌کاوی محسوب می‌شود. این روند الگوهای خاصی را از پایگاههای دادۀ معاملات استخراج کرده و قوانینی را برای استفاده در بسیاری از نرم‌افزارهای پشتیبانی تصمیم ارائه می‌کند. سازمان‌های مدرن به لحاظ جغرافیایی توزیع شده است. با استفاده از کاوش قانون وابستگی متمرکز سنتی برای کاوش الگوهای مفید در چنین سیستم‌های توزیعی همیشه امکان‌پذیر نیست زیرا با ظهور مجموعه داده از سایت‌های مختلف در یک سایت متمرکز، ارتباط شبکه‌ای عظیم و هزینه‌های زمانی روی می‌دهد. این مقاله به ارائۀ کاوش قانون وابستگی توزیعی بهبود یافته (D-ARM) براساس پارتیشن‌بندی عمودی می‌پردازد. الگوریتم‌های D-ARM   موجود از تعداد زیادی از بالاسری‌های ارتباطی برخوردار هستند که مسئلۀ مهمی محسوب می‌شود. رویکرد پیشنهادی بالاسری ارتباطی را به حداقل می‌رساند و بر شمارش کلی مبتنی شده است. در نتیجه، این مقاله به بحث در مورد کاربرد تعداد کلی مجموعۀ دادۀ عمومی (TCDV) این ساختار می‌پردازد که مزایای قابل توجهی با توجه به روش‌های D-ARM فعلی ارائه می‌کند.


بدون دیدگاه