تعمیم فرایند استخراج قوانین وابستگی با استفاده از عبارات چگال به حوزه ی داده های عددی

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 964

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSICC15_036

تاریخ نمایه سازی: 26 مهر 1388

چکیده مقاله:

از جمله چالشهای بزرگ در زمینه ی استخراج قوانین وابستگی، تولید شمار بسیار زیاد قانون می باشد که درک همه ی این قوانین و ایجاد ارتباط معنایی بین آنها از عهده ی کاربر خارج می باشد در راستای حل این مشکل راه کاری تحت عنوان "استخراج قوانین وابستگی با استفاده از عبارت چگال (سنگین)" آمده است. عبارات چگال به صورت بلوکهای سازنده ای می باشند که تمام روابط انجمنی تعریف شده بین اعضای انها، روابطی معتبر می باشد به عبارت دیگر این مفهوم جدید راه حلی مناسب جهت نمایش قوانین وابستگی به صورت فشرده و نمایش معنادار تر و قابل فهم تر ارتباطات قوی بین گروههای داده ای می باشد در این مقاله سعی شده است که با استفاده از تکنیکی ساده و منطقی مبتنی بر عمل خوشه بندی، این روش استخراج قوانین وابستگی به حوزه ی داده های عددی هم تعمیم داده شود و در راستای تحقق و پیاده سازی این روش نتایج قابل قبولی نیز به دست آمده است.

نویسندگان

مهشید هلالی مقدم

دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت

مهدی نصیری

دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت

بهروز مینایی

دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • R. Agrawal, T. Imielinski, A. Swami, Mining association between sets ...
  • R.J.Hilderman, H.J.Hamilton, Knowledge discovery and interestingness measure, a survey, Tech. ...
  • , Dept. of Computer Science, Univ. of Regina, 1999 [3] ...
  • Girish K. Palshikar, Mandar S. Kale, Manoj M. Apte, Association ...
  • P.J. Soo, C. Ming-Syan, P.S. Yu, Using a Hash-based method ...
  • P. Shenoy, J.R. Haritsa, S. Sudarshan, G. Bhalotia, M. Bawa, ...
  • B. Liu, W. Hsu, Y. Ma, Pruning and summarizing the ...
  • Marcus- Christopher Lud and Gerhard Widmer, Relative Unsupervised Discretization for ...
  • Quantitative Association Rules in Large Relational Tables, Proc. ACM SIGMOD ...
  • نمایش کامل مراجع