تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله الگوریتم سریع مرکب ازFP-Tree و TID-list در کاوش الگوی متناوب – نشریه CiteSeerX

عنوان فارسی: یک الگوریتم سریع مرکب ازFP-Tree و TID-list برای کاوش الگوی متناوب
عنوان انگلیسی: A Fast Algorithm Combining FP-Tree and TID-List for Frequent Pattern Mining
تعداد صفحات مقاله انگلیسی : 6 تعداد صفحات ترجمه فارسی : 16
نشریه : CiteSeerX فرمت مقاله انگلیسی : PDF
فرمت ترجمه مقاله : ورد تایپ شده کد محصول : 4769
محتوای فایل : zip حجم فایل : 600.66Kb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر، مهندسی فناوری اطلاعات و مهندسی صنایع
گرایش های مرتبط با این مقاله: مهندسی الگوریتم و محاسبات، مهندسی نرم افزار، هوش مصنوعی و داده کاوی
دانشگاه: گروه مهندسی و علوم کامپیوتر، دانشگاه کلرادو، دنور، ایالات متحده آمریکا
کلمات کلیدی: دانش کاوی، داده کاوی، کاوش الگوی متناوب، کاوش قواعد انجمنی، مجموعه آیتم متناوب
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1. مقدمه

2. پس زمینه

1.2 مسأله کاوش الگوی متناوب

2.2 الگوریتم FP-growth و ساختار FP-tree

3.2 الگوریتم Eclat و ساختار TID-list

3. الگوریتم FEM

1.3 مرور الگوریتم FEM

2.3 تبدیل یک پایگاه الگوی شرطی به TID-listها

3.3 الگوریتم FEM

4. تکنیک های بهینه سازی برای اجرای FEM

5. آزمایشات و بررسی عملکرد

1.5 آزمایشات

2.5 بررسی عملکرد

1.2.5 مقایسه عملکرد

2.2.5 توزیع زمان اجرا بین دو فعالیت کاوش

6. نتیجه گیری و پژوهش های آتی

نمونه متن انگلیسی

Abstract

Finding frequent patterns plays an essential role in mining associations, correlations, and many other interesting relationships among variables in transactional databases. The performance of a frequent pattern mining algorithm depends on many factors. One important factor is the characteristics of databases being analyzed. In this paper we propose FEM (FP-growth & Eclat Mining), a new algorithm that utilizes both FP-tree (frequent-pattern tree) and TID-list (transaction ID list) data structures to discover frequent patterns. FEM can adapt its behavior to the dataset properties to efficiently mine short and long patterns from both sparse and dense datasets. We also suggest a combination of several optimization techniques for effectively implementing FEM to speed up the mining process. The experimental results show that a significant improvement in performance is achieved.

نمونه متن ترجمه

چکیده

یافتن الگوهای متناوب، نقشی اساسی در کاوش ارتباطات، همبستگی ها و بسیاری از روابط جالب دیگر میان متغیرها در پایگاه داده های تراکنشی ایفا می کند. عملکرد یک الگوریتم کاوش الگوی متناوب به عوامل متعددی بستگی دارد. یکی از عوامل مهم، مشخصات پایگاه های داده تحلیل شده است. ما در این مقاله، FEM(کاوش FP-growth و Eclat) را پیشنهاد می کنیم، الگوریتم جدیدی که از ساختار داده هایFP-tree (درخت الگوی متناوب) و TID-list (فهرست ID تراکنش) برای کشف الگوهای متناوب استفاده می کند. FEM می تواند رفتار خود را به منظور کاوش کارآمد الگوهای کوتاه و بلند از مجموعه داده هایدارای ویژگی مجموعه داده های پر تراکم و کم تراکممنطبق کند. ما همچنین ترکیبی از چند تکنیک بهینه سازی را برای اجرای موثر FEM نشان می دهیم تا فرایند کاوش را تسریع کنیم. نتایج آزمایشی نشان می دهد که عملکردبه طور قابل توجهیبهبودیافته است.