کشف الگوهای پرتکرار افزایشی و کاهشی
Publish place: 22nd Annual Conference of Computer Society of Iran
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 908
This Paper With 7 Page And PDF and WORD Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI22_026
تاریخ نمایه سازی: 13 شهریور 1396
Abstract:
کشف الگوهای پرتکرار از مجموعه داده های تراکنشی یکی از مهمترین وظایف داده کاوی است که تا کنون تحقیقات بسیار زیادی بر روی آن انجام گرفته است. بخشی از این تحقیقات بر روی الگوهای پرتکرار متناوب متمرکز گردیده اند؛ الگوهای متناوب، الگوهایی هستند که به طور منظم تکرار می شوند؛ به عبارت دیگر الگوهایی، که فاصله بین هر دو رخداد متوالی آنها، از حداکثر از پیش تعریف شده کمتر باشد. اگرچه الگوهای متناوب می توانند اطلاعات مفیدی برای کاربران به همراه داشته باشند؛ اما به نظر می رسد که حالتهای خاص، مثل افزایش یا کاهش تعداد رخداد یک الگوی پرتکرار، نیز می تواند مفید باشد. این در حالی است که این اطلاعات، با جدا کردن الگوهای متناوب از دست خواهد رفت. در این مقاله الگوریتمی مبتنی بر الگوریتم Eclat پیشنهاد نموده ایم که می تواند، با بررسی تغییرات فاصله رخدادها، حالتهای خاص در الگوها را کشف کند. آزمایش های انجام شده نشان می دهد الگوریتم ارایه شده کارا بوده و می تواند الگوهای پرتکرار افزایشی و یا کاهشی را پیدا نماید.
Keywords:
Authors
آزاده سلطانی
گروه مهندسی کامپیوتر، دانشگاه بجنورد، بجنورد
محمود سلطانی
گروه مهندسی کامپیوتر، دانشگاه مهندسی فناوری های نوین قوچان، قوچان