A new efficient approach for mining uncertain frequent patterns using minimum data structure without false positives

به تازگی پیشنهاد مفهوم معدن الگوی نامشخص برای پاسخگویی به تقاضا برای پردازش پایگاه داده ها با داده های نامشخص ارائه شده است و روش های متفاوتی در این زمینه مورد استفاده قرار گرفته است. با این حال، روش های قبلی دارای محدودیت های زیر است. روش های مدرن مبتنی بر ساختار درختی می توانند مشکلات مربوط به مرگ و میر را از لحاظ زمانبندی و استفاده از حافظه با توجه به ویژگی های پایگاه داده های نامشخص و تنظیمات آستانه ای ایجاد کنند، زیرا ساختار داده های درخت خود می تواند در فرایندهای معدن خود بیش از حد بزرگ و پیچیده باشد. به منظور غلبه بر چنین مشکلی، روشهای مختلف تقریبی پیشنهاد شده است. با این حال، آنها روش هایی هستند که عملکرد معادن خود را با هزینه دقت نتایج معادن افزایش می دهند. برای حل مشکلات، ما یک الگوریتم دقیق و کارآمد برای معادن الگوهای مکرر نامطلوب بر اساس ساختارهای داده جدید و تکنیک های استخراج معادن پیشنهاد می کنیم که همچنین می تواند صحت نتایج معدن را بدون هیچگونه اثبات کاذب تضمین کند. ساختارهای اطلاعات مبتنی بر لیست تازه ارائه شده و تکنیک های برش اجازه می دهد مجموعه ای کامل از الگوهای مکرر نامشخص به طور موثر بدون تلفات الگو مورد بهره برداری قرار گیرد. ما همچنین نشان می دهیم که الگوریتم پیشنهادی از جنبه های گذشته هنر گذشته در ابعاد نظری و تجربی برتر است. به خصوص، ما نتایج تحلیلی ارزیابی عملکرد برای انواع مختلف داده ها ارائه می دهیم تا کارایی زمان اجرا، استفاده از حافظه و مقیاس پذیری را در روش ما نشان دهیم.