Nicht lieferbar
Andere Kunden interessierten sich auch für
![Analyse des données criminelles à l'aide de modèles et de techniques d'exploration de données]( "Analyse des données criminelles à l'aide de modèles et de techniques d'exploration de données")
Analyse des données criminelles à l'aide de modèles et de techniques d'exploration de données39,99 €![Techniques d'exploration de données]( "Techniques d'exploration de données")
Techniques d'exploration de données51,99 €![Sécuriser les données avec Stegacrypt : une approche à trois niveaux pour la protection des données]( "Sécuriser les données avec Stegacrypt : une approche à trois niveaux pour la protection des données")
Sécuriser les données avec Stegacrypt : une approche à trois niveaux pour la protection des données29,99 €![Décryptage des données : L'IA dans les enquêtes de criminalistique numérique]( "Décryptage des données : L'IA dans les enquêtes de criminalistique numérique")
Décryptage des données : L'IA dans les enquêtes de criminalistique numérique29,99 €![Classificateur Naive Bayes et théorie des ensembles bruts pour les flux de données]( "Classificateur Naive Bayes et théorie des ensembles bruts pour les flux de données")
Classificateur Naive Bayes et théorie des ensembles bruts pour les flux de données26,99 €![Traitement des requêtes dans les sites de données distribuées]( "Traitement des requêtes dans les sites de données distribuées")
Traitement des requêtes dans les sites de données distribuées26,99 €![Modélisation basée sur les données]( "Modélisation basée sur les données")
Modélisation basée sur les données16,99 €
L'extraction d'ensembles d'articles à haute utilité à partir d'une base de données transactionnelle fait référence à la découverte d'ensembles d'articles à haute utilité comme les profits. Bien qu'un certain nombre d'algorithmes pertinents aient été proposés ces dernières années, ils se heurtent au problème de la production d'un grand nombre d'ensembles d'articles candidats pour les ensembles d'articles à haute utilité. Un tel nombre d'ensembles d'articles candidats dégrade les performances de l'exploitation minière en termes de temps et d'espace nécessaires à l'exécution. La situation peut s'aggraver lorsque la base de données contient beaucoup de longues transactions ou de longs ensembles d'articles très utiles.Dans ce livre, nous proposons un algorithme, à savoir un algorithme d'extraction amélioré (Utility Pattern Growth plus) pour l'extraction d'ensembles d'articles à haute utilité avec un ensemble de stratégies efficaces pour l'élagage des ensembles d'articles candidats. Les informations sur les ensembles d'articles très utiles sont conservées dans une structure de données arborescente appelée UP-Tree (Utility Pattern Tree), de sorte que les ensembles d'articles candidats peuvent être générés efficacement avec seulement deux balayages de la base de données. Les performances d'UP-Growth et d'UP Growth+ sont comparées aux algorithmes de pointe sur de nombreux types d'ensembles de données réels et synthétiques.