فایل ورد کامل کاوش مجموعه آیتم های بسته شده مکرر top-k بر روی جریان داده ها با استفاده از مدل پنجره کشویی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل کاوش مجموعه آیتم های بسته شده مکرر top-k بر روی جریان داده ها با استفاده از مدل پنجره کشویی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۵ صفحه

قانون گذاری استراخ داده ها یک موضوع مهم در مقالات این سررشته می باشد. دو مشکل در استراخ داده ها وجود دارد. اول ، کاربر باید یک حداقل پشتیبانی برای استخراج از داده ها را مشخص کنید. مخصوصا که ممکن است نیاز به تنظیم مقدار حداقل پشتیبانی و مقدار تکرار آن قبل تعیین یک قانون لازم باشد. بهرحال ، برای کاربر پیدا کردن یک حداقل و پشتیبانی مناسب آسان است . در مرحله دوم، معمولا بسیاری از مجموعه اقلام و اعداد مکرر تولید شده در نتیجه استخراج وجود دارد. در نتیجه با توجه به مشکلات برنامه های کاربردی ، تولید تعداد زیادی از قوانین لازم می باشد. ما در این مقاله ، استخراج آیتم به طور معمول بسته top-k در جریان سیستم های جریان داده توسط مدل پنجره کشویی را در نظر گرفته ایم که یک الگوریتم تک فاز، به نام FCI_max می باشد. روش ما می تواند به صورت مطلوب دو مشکل ذکر شده را در استخراج داده ها حل بکند که در کل عملکرد این پروسه را بهبود می بخشد.

کلمات کلیدی: داده کاوی | جریان داده ها | قانون رابطه ای | مجموعه اقلام مکرر بسته | پنجره کشویی

عنوان انگلیسی:

Mining top-k frequent closed itemsets over data streams using the sliding window model

~~en~~ writers :

Pauray S.M. Tsai

Association rule mining is an important research topic in the data mining community. There are two difficulties occurring in mining association rules. First, the user must specify a minimum support for mining.
Typically it may require tuning the value of the minimum support many times before a set of useful association rules could be obtained. However, it is not easy for the user to find an appropriate minimum support. Secondly, there are usually a lot of frequent itemsets generated in the mining result. It will result in
the generation of a large number of association rules, giving rise to difficulties of applications. In this
paper, we consider mining top-k frequent closed itemsets from data streams using a sliding window technique. A single pass algorithm, called FCI_max, is developed for the generation of top-k frequent closed
itemsets of length no more than max_l. Our method can efficiently resolve the mentioned two difficulties
in association rule mining, which promotes the usability of the mining result in practice.

Keywords: Data mining | Data stream | Association rule | Frequent closed itemset | Sliding window

$$en!!