• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Engineering and Technology >A Novel Data Mining Method to Find the Frequent Patterns from Predefined Itemsets in Huge Dataset Using TM-PIFPMM
【24h】

A Novel Data Mining Method to Find the Frequent Patterns from Predefined Itemsets in Huge Dataset Using TM-PIFPMM

机译：一种使用TM-PIFPMM从巨大数据集中的预定义项目集中查找频繁模式的新数据挖掘方法

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Association rule mining is one of the important data mining techniques. It finds correlationsamong attributes in huge dataset. Those correlations are used to improve the strategy of the futurebusiness. The core process of association rule mining is to find the frequent patterns (itemsets) in hugedataset. Countless algorithms are available in the literature to find the frequent itemsets. Most of thealgorithms introduced in the literature finds all frequent itemsets for a given specified minimum supportvalue. But in rare occasion, it is needed to check the occurrence of some predefined few frequent patternsin large dataset to improve the strategy of the future business. For this purpose, we previously introducedSIFPMM (Selective Itemsets Frequent Pattern Mining Method) method. FP-tree is one of the importantmethods for finding frequent patterns using two database scans. So this proposed TM-PIFPMM(Transaction Merging – Predefined Itemsets Frequent Pattern Mining Method) finds frequent patternsfrom predefined frequent itemsets using one database scan and it is compared with FP-tree andSIFPMM. The practical study of TM-PIFPMM proves that this method outperforms than FP-tree andSIFPMM.
机译：关联规则挖掘是重要的数据挖掘技术之一。它在巨大的数据集中找到属性之间的相关性。这些关联用于改进未来业务的策略。关联规则挖掘的核心过程是在巨大的数据集中找到频繁的模式（项目集）。文献中提供了无数算法来查找频繁项集。文献中介绍的大多数算法都可以找到给定指定最小支持值的所有频繁项集。但是在极少数情况下，需要检查大型数据集中一些预定义的频繁模式的出现，以改善未来业务的策略。为此，我们先前介绍了SIFPMM（选择性项目集频繁模式挖掘方法）方法。 FP树是使用两次数据库扫描查找频繁模式的重要方法之一。因此，此提议的TM-PIFPMM（事务合并-预定义项目集频繁模式挖掘方法）使用一个数据库扫描从预定义的频繁项目集中找到频繁模式，并将其与FP-tree和SIFPMM进行比较。 TM-PIFPMM的实践研究表明，该方法优于FP-tree和SIFPMM。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号