Đang chuẩn bị liên kết để tải về tài liệu:
Tóm tắt Luận văn Thạc sĩ Kỹ thuật: Áp dụng thuật toán FHIM để khai phá tập mục hữu ích cao từ cơ sở dữ liệu đào tạo trường Đại học Phạm Văn Đồng

Không đóng trình duyệt đến khi xuất hiện nút TẢI XUỐNG

Mục tiêu nghiên cứu của đề tài là nghiên cứu thuật toán FHIM để khai phá tập mục hữu ích cao từ CSDL giao tác. Ứng dụng thuật toán FHIM để tìm các tập mục hữu ích cao (các môn học có kết quả điểm bất thường) từ kho dữ liệu thô (kết quả học tập của sinh viên ngành CNTT trường Đại học Phạm Văn Đồng). | BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG PHẠM KHÁNH BẢO ÁP DỤNG THUẬT TOÁN FHIM ĐỂ KHAI PHÁ TẬP MỤC HỮU ÍCH CAO TỪ CƠ SỞ DỮ LIỆU ĐÀO TẠO TRƯỜNG ĐẠI HỌC PHẠM VĂN ĐỒNG Chuyên ngành Khoa học máy tính Mã số 60.48.01.01 TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT Đà Nẵng Năm 2016 Công trình được hoàn thành tại ĐẠI HỌC ĐÀ NẴNG Người hướng dẫn khoa học PGS.TSKH. Trần Quốc Chiến Phản biện 1 TS. Lê Thị Mỹ Hạnh Phản biện 2 TS. Nguyễn Quang Thanh Luận văn đã được bảo vệ trước Hội đồng chấm Luận văn tốt nghiệp thạc sĩ Kỹ thuật họp tại Đại học Đà Nẵng vào ngày 25 tháng 07 năm 2016 Có thể tìm hiểu luận văn tại Trung tâm Thông tin - Học liệu Đại học Đà Nẵng 1 MỞ ĐẦU 1. Tính cấp thiết của đề tài Khai phá luật kết hợp là một kỹ thuật khai phá dữ liệu được sử dụng rất phổ biến. Khai phá luật kết hợp tiến hành qua 2 bước 1 khai phá tập phổ biến thỏa mãn độ hỗ trợ tối thiểu từ cơ sở dữ liệu giao tác 2 sinh luật kết hợp thỏa mãn độ tin cậy tối thiểu từ tập phổ biến đã xác định được. Việc khai phá tập mục phổ biến chỉ mang ngữ nghĩa thống kê nên nó chỉ đáp ứng một phần nào nhu cầu ứng dụng thực tiễn. Chính vì điều này mà một khái niệm mới ra đời đó là Khai phá tập mục hữu ích cao High Utility Itemsets Mining tức là mỗi một mục có xét đến yếu tố hữu ích của nó ví dụ số lượng lợi nhuận của mỗi mặt hàng trong mỗi giao tác . Như vậy khai phá tập mục hữu ích cao là quá trình đi tìm kiếm trong cơ sở dữ liệu giao tác các tập mục có giá trị hữu ích không nhỏ hơn một ngưỡng hữu ích tối thiểu cho trước. Vì tập mục hữu ích cao không thỏa mãn tính chất Apriori nên không thể áp dụng chiến lược tỉa không gian tìm kiếm được sử dụng trong khai phá tập phổ biến vào trong thuật toán khai phá tập mục hữu ích cao vì vậy khai phá tập mục hữu ích cao khó khăn hơn nhiều so với khai phá tập mục phổ biến. Xuất phát từ vấn đề này nhiều nhà nghiên cứu đã đề xuất nhiều thuật toán để khai phá tập mục hữu ích cao. Tháng 03 2015 trên tạp chí có uy tín Expert System with Applications các nhà khoa học người Ấn Độ có tên là .

TÀI LIỆU LIÊN QUAN
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.