New Algorithm For Mining Frequent Patterns Using Graph And Clique Algorithms
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,615
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SASTECH05_120
تاریخ نمایه سازی: 22 مرداد 1391
چکیده مقاله:
Frequent patterns are patterns such as sets of features or items that appear in data frequently. Finding such frequent patterns has become an important data mining task because it reveals associations, correlations, and many other interesting relationships hidden in a dataset. In this paper we present a new algorithm to discover large itemset pattern. In this approach, the condensed data is used and is obtained by transforming into a clique problem. Firstly, the input dataset is transformed into a graph-based structure and then we find cliques as candidate patterns. In this approach the number of candidate patterns is less than other algorithms, so this new algorithm is fast and accurate and because of using graph and it is easy and simple to update graph so this algorithm is more flexible. The computational results show large itemset patterns with good scalability properties.
کلیدواژه ها:
نویسندگان
Ramin Shafei
MSc Student Of Department of Electrical & Computer Engineering, Qazvin Islamic Azad University Qazvin,Iran
Ali Nourollah
Qazvin Islamic Azad University, Qazvin, Iran
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 :