ارائه روش جدید برای یافتن وابستگی فازی با چندین کمینه ضریب پشتیبان در پایگاه داده رابطه ای
Publish place: National Conference on Application of Intelligent Systems (soft computing) in Science and Technology
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,168
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISST01_045
تاریخ نمایه سازی: 5 مرداد 1392
Abstract:
نیاز به ذخیره داده ها در پایگاه داده رابطه ایی و مشکلات ناشی از ادغام جداول و تبدیل آنها به یک جدول واحد، ما را به سوی داده کاوی رابطه ای رهنمون می سازد. در اینجا از الگوریتم MRFP-Growth برای یافتن الگوهای پرتکرار رابطه ای استفاده می شود. در کارهای قبلی انجام شده، به بررسی تاثیر فازی سازی ویژگی های عددی در کاوش قوانین انجمنی برای حل مشکل بازه های تند و همچنین به کارگیری چندین کمینه ضریب پشتیبان برای رفع مشکل اقلام نادر در پایگاه داده شامل یک جدول پرداخته شده است. در این مقاله به بررسی تاثیر این دو عامل در پایگاه رابطه ای می پردازیم. فازی سازی ویژگی های عددی باعث رفع مشکل بازه های تند در پایگاه داده رابطه ای می شود. برای رفع مشکل اقلام نادر، از چندین کمینه ضریب پشتیبان برای اقلام مختلف استفاده می کنیم. به طوری که کمینه ضریب پشتیبان به عنوان درصدی از تعداد کل پشتیبان هر آیتم در نظر گرفته می شود. استفاده از این روش باعث بهبود نسبی مشکل اقلام نادر می شود و از تولید زیاد و انفجاری الگوهای پرتکرار در مقادیر کوچک کمینه ضریب پشتیبان جلوگیری می کند. تعداد الگوها پرتکرار بعد از فازی سازی و استفاده از چندین کمینه ضریب پشتیبان به طور مناسبی کاهش می یابد ولی زمان اجرا الگوریتم و میانگین طول الگوها افزایش می یابد. در نتیجه الگوهای رابطه ای طولانی تری که حاوی بیشتری هستند، به وجود می آید.
Keywords:
Authors
مریم حسنعلی
دانشجوی کارشناسی ارشد دانشگاه پیام نور
بهروز مینایی
استادیار دانشگاه علم و صنعت
احمد فراهی
استادیار دانشگاه پیام نور
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :