کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6873306 | 1440633 | 2018 | 38 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Single-pass based efficient erasable pattern mining using list data structure on dynamic incremental databases
ترجمه فارسی عنوان
معادله الگوریتم پاک کننده کارآمد مبتنی بر تک نفره با استفاده از ساختار داده لیست در پایگاه داده های افزایشی پویا
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
داده کاوی، جریان داده ها، معدن الگوی پاک کننده بحران مالی، پردازش داده های افزایشی،
ترجمه چکیده
برای پاسخگویی به خواسته های مختلف کاربران، بسیاری از رویکردهای مختلف داده کاوی پیشنهاد شده است. معدن الگوی پاک کننده یکی از زمینه های جالب در معدن الگوی مکرر است که برای تشخیص و حل مشکلات مالی ناشی از زمینه های صنعتی پیشنهاد شده است. از آنجایی که مفهوم اصلی آن ظهور یافته است، رویکردهای مختلف مربوطه طراحی شده است. تجزیه و تحلیل داده های افزایشی مهم تر است زیرا داده های جالب به طور مداوم در زمینه های مختلف کاربردی از جمله مناطق صنعتی انباشته می شوند. به همین دلیل، برای نشان دادن این روند، یک روش افزایشی برای استخراج الگوهای پاک شده نیز پیشنهاد شده است. از آنجایی که داده های افزایشی با گذشت زمان به تدریج بزرگتر و پیچیده تر می شوند، مهم این است که داده ها را به صورت سریع و کارآمد پردازش کنند. با این حال، روش قبلی در این رابطه محدودیت دارد. با توجه به این چالش، ما یک الگوریتم معدنی جدید الگوریتم تکاملی جدید شامل ساختار داده جدید و تکنیک های استخراج برای پردازش داده های افزایشی کارآمد را پیشنهاد می کنیم. ما همچنین نشان می دهیم که روش پیشنهادی از طریق روش های گسترده و تجربی تست عملکرد بهتر از روش های قبلی پیشرفته است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نظریه محاسباتی و ریاضیات
چکیده انگلیسی
Many different approaches of data mining have been proposed to satisfy various demands of users. Erasable pattern mining is one of the interesting areas in frequent pattern mining, which was proposed to diagnose and solve financial problems caused in industrial fields. Since its original concept emerged, various relevant approaches have been devised. Analyzing incremental data becomes more important because interesting data are continually accumulated in various application fields including industrial areas. For this reason, an incremental method for erasable pattern mining has also been suggested in order to reflect such a trend. Since incremental data become gradually larger and more complicated with the passage of time, it is important to process such data as quickly and efficiently as possible. However, the previous method has limitations in this respect. Motivated by this challenge, we propose a new incremental erasable pattern mining algorithm including new data structures and mining techniques for efficient incremental data processing. We also demonstrate that the proposed method outperforms previous state-of-the-art approaches through extensive, empirical performance tests.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 80, March 2018, Pages 12-28
Journal: Future Generation Computer Systems - Volume 80, March 2018, Pages 12-28
نویسندگان
Gangin Lee, Unil Yun,