Extraction de règles séquentielles par application de la contrainte de la fenêtre glissante
Versandkostenfrei!
Versandfertig in 6-10 Tagen
23,99 €
inkl. MwSt.
PAYBACK Punkte
12 °P sammeln!
L'extraction de règles séquentielles est utilisée pour extraire des données importantes dans diverses applications telles que l'analyse des marchés boursiers et le commerce électronique. Elle comprend généralement l'identification de règles séquentielles à partir d'une base de données de séquences donnée, qui seront communes à plusieurs séquences. Les règles séquentielles partiellement ordonnées (POSR) sont un type de règles séquentielles dans lesquelles les éléments des côtés gauche et droit de la règle séquentielle ne doivent pas être ordonnés. Les approches exis...
L'extraction de règles séquentielles est utilisée pour extraire des données importantes dans diverses applications telles que l'analyse des marchés boursiers et le commerce électronique. Elle comprend généralement l'identification de règles séquentielles à partir d'une base de données de séquences donnée, qui seront communes à plusieurs séquences. Les règles séquentielles partiellement ordonnées (POSR) sont un type de règles séquentielles dans lesquelles les éléments des côtés gauche et droit de la règle séquentielle ne doivent pas être ordonnés. Les approches existantes utilisées pour l'extraction des POSR comprennent l'algorithme RuleGrowth et l'algorithme TRuleGrowth. Ce livre présente une technique appelée M_TRuleGrowth qui prend la base de données de séquences comme entrée et applique le support minimum, la confiance minimum et les contraintes de taille de fenêtre respectivement pour générer des règles séquentielles partiellement ordonnées. L'évaluation expérimentale en termes de nombre de règles générées et de temps d'exécution est menée pour comparer la technique aux approches existantes. On constate que la méthode M_TRuleGrowth est plus performante en termes de temps d'exécution.
Andere Kunden interessierten sich für
