20,99 €
inkl. MwSt.

Versandfertig in 1-2 Wochen
payback
10 °P sammeln
  • Broschiertes Buch

La extracción de conjuntos de artículos de gran utilidad de una base de datos transaccional se refiere al descubrimiento de conjuntos de artículos de gran utilidad como los beneficios. Aunque en los últimos años se han propuesto varios algoritmos pertinentes, éstos incurren en el problema de producir un gran número de conjuntos de artículos candidatos a conjuntos de artículos de gran utilidad. Un número tan grande de conjuntos de elementos candidatos degrada el rendimiento de la minería en términos de tiempo de ejecución y espacio requerido. La situación puede empeorar cuando la base de datos…mehr

Produktbeschreibung
La extracción de conjuntos de artículos de gran utilidad de una base de datos transaccional se refiere al descubrimiento de conjuntos de artículos de gran utilidad como los beneficios. Aunque en los últimos años se han propuesto varios algoritmos pertinentes, éstos incurren en el problema de producir un gran número de conjuntos de artículos candidatos a conjuntos de artículos de gran utilidad. Un número tan grande de conjuntos de elementos candidatos degrada el rendimiento de la minería en términos de tiempo de ejecución y espacio requerido. La situación puede empeorar cuando la base de datos contiene muchas transacciones largas o conjuntos de artículos de gran utilidad.En este libro, proponemos un algoritmo, a saber, el algoritmo de minería mejorado (Utility Pattern Growth plus) para la minería de conjuntos de elementos de alta utilidad con un conjunto de estrategias eficaces para la poda de conjuntos de elementos candidatos. La información de los conjuntos de elementos de alta utilidad se mantiene en una estructura de datos basada en un árbol llamado UP-Tree (Utility Pattern Tree), de tal forma que los conjuntos de elementos candidatos pueden generarse de forma eficiente con sólo dos escaneos de la base de datos. El rendimiento de UP-Growth y UP Growth+ se compara con los algoritmos de última generación en muchos tipos de conjuntos de datos tanto reales como sintéticos.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Autorenporträt
La profesora Monali Deshmukh completó sus estudios de postgrado en la Universidad de Mumbai en computación y tiene más de 10 años de experiencia como..,Profesor asistente en SCOE, Kharghar.Es autora y coautora de muchas publicaciones científicas (revistas y conferencias). Sus intereses actuales de investigación se centran en las áreas de minería de datos y computación en nube.