کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6855378 1437613 2018 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A novel characterisation-based algorithm to discover new knowledge from classification datasets without use of support
ترجمه فارسی عنوان
یک الگوریتم مبتنی بر توصیف جدید برای کشف دانش جدید از مجموعه داده های طبقه بندی شده بدون استفاده از پشتیبانی
کلمات کلیدی
مجموعه داده های طبقه بندی کاتالوگ، قوانین انجمن انجمن رده بندی انجمن معادن،
ترجمه چکیده
این مقاله یک پیشنهاد جدید برای کشف بهترین قوانین طبقه بندی انجمنی با مطالعه تاثیرات ویژگی های مورد استفاده در کاتالوگ های قوی ارائه می دهد. توجه داشته باشید که یک کاتالوگ به عنوان یک مجموعه داده بدون سوابق تکراری تعریف شده است. علاوه بر این، هنگامی که پرونده های ناقص و کسانی که با عدم اطمینان از یک کاتالوگ حذف می شوند، یک کاتالوگ قوی دریافت می شود. بنابراین، یک فهرست قوی مجموعه ای از قوانین انجمن با اعتماد 100٪ و حمایت واحد است. در این مقاله ما نشان می دهیم که کاتالوگ های قوی شامل همان قوانین ارتباطی به عنوان مجموعه داده هایی هستند که از آنها به دست می آید، اما می توان در حافظه بدون حذف هر گونه داده از تجزیه و تحلیل، مدیریت می شود. در حقیقت، آزمایشات انجام شده نشان می دهد که تمام کاتالوگهای قدرتمند موجود در یک مجموعه داده های طبقه بندی به راحتی می توانند به دست آیند، و میلیون ها نسخه از قوانین طبقه بندی وابسته را با اطمینان 100٪ به محقق متخصص در استخراج داده ها فراهم می کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
This paper introduces a novel proposal to discover the best associative classification rules through studying the influence of the attributes used in robust catalogues. Notice that a catalogue is defined as a dataset free of duplicate records. Moreover, a robust catalogue is obtained when incomplete records and those with uncertainty are eliminated from a catalogue. Therefore, a robust catalogue is a collection of association rules with 100% confidence and unitary support. In this paper we demonstrate that robust catalogues contain the same association rules as the datasets from which they were obtained, but can be managed in memory without eliminating any data from the analysis. In fact, the experiments performed show that all robust catalogues contained in a classification dataset are easily obtained, providing millions of associative classification rules with 100% confidence to the expert researcher in data mining.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 93, 1 March 2018, Pages 223-231
نویسندگان
, , ,