Estrazione di regole sequenziali applicando il vincolo della finestra scorrevole - Sagare, Sandipkumar
23,99 €
inkl. MwSt.

Versandfertig in über 4 Wochen
  • Broschiertes Buch

L'estrazione di regole sequenziali viene utilizzata per estrarre dati importanti in varie applicazioni come l'analisi del mercato azionario e l'e-commerce. In generale, l'estrazione comprende l'identificazione di regole sequenziali da un dato database di sequenze che saranno comuni a più sequenze. Le regole sequenziali parzialmente ordinate (POSR) sono un tipo di regole sequenziali in cui gli elementi a sinistra e a destra della regola sequenziale non devono essere ordinati. Gli approcci esistenti utilizzati per l'estrazione di POSR includono l'algoritmo RuleGrowth e l'algoritmo TRuleGrowth.…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
L'estrazione di regole sequenziali viene utilizzata per estrarre dati importanti in varie applicazioni come l'analisi del mercato azionario e l'e-commerce. In generale, l'estrazione comprende l'identificazione di regole sequenziali da un dato database di sequenze che saranno comuni a più sequenze. Le regole sequenziali parzialmente ordinate (POSR) sono un tipo di regole sequenziali in cui gli elementi a sinistra e a destra della regola sequenziale non devono essere ordinati. Gli approcci esistenti utilizzati per l'estrazione di POSR includono l'algoritmo RuleGrowth e l'algoritmo TRuleGrowth. Tuttavia, questi approcci non utilizzano il vincolo della dimensione della finestra scorrevole (RuleGrowth) o richiedono più tempo di esecuzione anche dopo aver utilizzato il vincolo della dimensione della finestra scorrevole (TRuleGrowth). Questo libro presenta una tecnica chiamata M_TRuleGrowth che prende in input il database delle sequenze e applica rispettivamente i vincoli di supporto minimo, confidenza minima e dimensione della finestra per generare regole sequenziali parzialmente ordinate. La valutazione sperimentale in termini di numero di regole generate e di tempo di esecuzione viene condotta per confrontare la tecnica con gli approcci esistenti. È emerso che M_TRuleGrowth si comporta meglio in termini di tempo di esecuzione.
Autorenporträt
Sandipkumar C. Sagare erwarb seinen Master-Abschluss in Informatik und Ingenieurwesen an der Shivaji University, Kolhapur. Derzeit arbeitet er im Textil- und Ingenieurinstitut der D.K.T.E. Society in Ichalkaranji. Außerdem ist er nominiertes Mitglied der Computer Society of India (CSI) des DKTE Society's Textile and Engineering Institute, Ichalkaranj.