• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>RSTI >Des blocs de données aux motifs graduels multidimensionnels
【24h】

Des blocs de données aux motifs graduels multidimensionnels

机译：多维分级数据块

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Coupling data mining and data warehousing allows for discovering relevant information from data cubes. In this framework, several methods have been proposed, aiming for instance at discovering association rules or sequential patterns. However, no method has been proposed to discover gradual rules from such multidimensional databases. In this paper, we thus propose to discover correlations between a set of ordered dimensions with the measure evolution. Such rules can be achieved using a summary of data cube called blocks. We first describe a new algorithm for the extraction of such blocks, and then an efficient algorithm to extract gradualness from these blocks.%De par leur représentation agrégée d'une grande quantité d'information, les entrepôts de données sont de plus en plus présents dans de nombreux domaines : santé, finance, marketing... Afin de mieux guider les décideurs, de nombreuses approches couplant la fouille de données aux entrepôts ont été proposées. Cependant, il n 'existe pas de méthode permettant d'extraire des règles multidimensionnelles graduelles. Dans cet article nous nous intéressons donc à la découverte de telles règles corrélant des variations sur un ensemble de dimensions ordonnées avec des variations sur la mesure du cube. Nous découvrons par exemple des règles du type « Plus la distance à une faille sismique est faible et la ville de taille importante, alors plus le nombre de victimes peut être élevé ». Pour ce faire, nous nous appuyons sur des résumés particuliers des cubes appelés blocs multidimensionnels. Nous proposons d'une part, un algorithme d'extraction de tels blocs, et, d'autre part, un algorithme efficace de découverte de règles multidimensionnelles graduelles.
机译：数据挖掘和数据仓库耦合允许从数据多维数据集中发现相关信息。在该框架中，已经提出了几种方法，例如，旨在发现关联规则或顺序模式。但是，尚未提出从这种多维数据库中发现渐进规则的方法。因此，在本文中，我们建议发现一组有序维与度量演化之间的相关性。可以使用称为块的数据多维数据集的摘要来实现此类规则。我们首先描述一种用于提取此类块的新算法，然后再描述一种从这些块中提取渐进性的有效算法。％由于它们聚集了大量信息，因此数据仓库越来越多在许多领域：卫生，金融，营销...为了更好地指导决策者，已经提出了将数据挖掘与仓库耦合的许多方法。但是，没有方法可以提取渐变多维规则。因此，在本文中，我们对发现这样的规则感兴趣，这些规则将一组有序维上的变化与多维数据集的度量上的变化相关联。例如，我们发现了类型的规则“到地震断层的距离越短，城市越大，则受害者人数就越高”。为此，我们依赖于称为多维块的多维数据集的特定摘要。我们一方面提出一种提取此类块的算法，另一方面提出一种发现渐进多维规则的有效算法。

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