Data mining is a powerful emerging

Data mining is a powerful emerging technology that helps to extract hidden information from
a huge volume of historical data. Tills paper is concerned with finding the frequent trajectories of moving
objects in spatia-temporal data by a novel method adopting the concepts of clustering and sequential
pattern mining. The algorithms used logically split the trajectory span area into clusters and then apply
the k-means algorithm over this clusters until the squared error minimizes. The new method applies the
threshold to obtain active clusters and arranges them in descending order based on number of trajectories
passing through. From these active clusters, inter cluster patterns are found by a sequential pattern mining
technique. The process is repeated until all the active clusters are linked. The clusters thus linked in
sequence are the frequent trajectories. A set of experiments conducted using real datasets shows that the
proposed method is relatively five times better than the existing ones. A comparison is made with the
results of other algorithms and their variation is analyzed by statistical methods. Further, tests of significance
are conducted with ANOV A to find the efficient threshold value for the optimum plot of frequent
trajectories. The results are analyzed and found to be superior than the existing ones. Tills approach
may be of relevance in finding alternate paths in busy networks ( congestion control) , finding the frequent
paths of migratory birds, or even to predict the next level of pattern characteristics in case of time
series data with minor alterations and finding the frequent path of balls in certain games.

ผลลัพธ์ (ไทย) 1:

การทำเหมืองข้อมูลเป็นเทคโนโลยีใหม่ ๆ มีประสิทธิภาพที่ช่วยในการแยกข้อมูลที่ซ่อนอยู่จากไดรฟ์ข้อมูลขนาดใหญ่ของข้อมูลในอดีต Tills กระดาษเกี่ยวข้องกับการหาทิศทางบ่อยเคลื่อนวัตถุในขมับ spatia ข้อมูลโดยวิธีการใหม่ที่นำแนวคิด ของคลัสเตอร์ และตามลำดับการทำเหมืองแร่รูปแบบ อัลกอริทึมที่ใช้ตรรกะวิถีระยะพื้นที่แบ่งคลัสเตอร์ และใช้แล้วอัลกอริธึมถึงผ่านคลัสเตอร์นี้จนกว่าช่วยลดข้อผิดพลาดที่ยกกำลังสอง วิธีการใหม่ที่เกี่ยวข้องในการขีดจำกัดการใช้งานคลัสเตอร์ และจัดเรียงให้เรียงลำดับตามจำนวนของวิถีส่งผ่านผ่าน จากคลัสเตอร์เหล่านี้ใช้งานอยู่ อินเตอร์คลัสเตอร์พบรูปแบบ โดยการทำเหมืองแบบตามลำดับเทคนิค กระบวนการจะถูกทำซ้ำจนกว่าจะมีการเชื่อมโยงคลัสเตอร์ที่ใช้งานอยู่ทั้งหมด ดังนั้น การเชื่อมโยงในคลัสเตอร์ลำดับทิศทางบ่อย ชุดการทดลองที่ดำเนินการโดยใช้ชุดข้อมูลจริงแสดงให้เห็นว่าการวิธีการนำเสนอค่อนข้างห้าครั้งดีกว่ามีอยู่ได้ ทำการเปรียบเทียบกับการผลของอัลกอริทึมอื่น ๆ และการเปลี่ยนแปลงของการวิเคราะห์ โดยวิธีการทางสถิติ การทดสอบต่อไป มีความสำคัญดำเนินการ ด้วย ANOV เพื่อหาค่าขีดจำกัดที่มีประสิทธิภาพจุดสูงสุดของบ่อยวิถี ผลการวิเคราะห์ และพบว่ามีความเหนือกว่ามีอยู่ วิธีการ tillsอาจจะมีความสัมพันธ์ในการหาเส้นทางอื่นในเครือข่ายไม่ว่าง (ควบคุมความแออัด), ค้นหาใช้บ่อยเส้นทาง ของนกอพยพ หรือแม้กระทั่งทำนายระดับถัดไปของลักษณะรูปแบบในกรณีที่เวลาข้อมูลเปลี่ยนแปลงและค้นหาเส้นทางประจำของลูกบอลในเกมบางอย่าง

ผลลัพธ์ (ไทย) 2:

การทำเหมืองข้อมูลเป็นเทคโนโลยีที่เกิดขึ้นใหม่ที่มีประสิทธิภาพที่จะช่วยในการดึงข้อมูลที่ซ่อนอยู่จาก
ปริมาณมากของข้อมูลทางประวัติศาสตร์ กระดาษเทศกาลเป็นกังวลกับการหาลูกทีมบ่อยในการเคลื่อนย้าย
วัตถุในข้อมูล spatia-ชั่วคราวโดยวิธีการนำนวนิยายแนวความคิดของการจัดกลุ่มและลำดับ
การทำเหมืองรูปแบบ อัลกอริทึมที่ใช้เหตุผลแยกวิถีบริเวณช่วงลงในกลุ่มแล้วใช้
อัลกอริทึม K-หมายมากกว่ากลุ่มนี้จนกว่าจะช่วยลดข้อผิดพลาด Squared วิธีการใหม่นำไปใช้
เกณฑ์ที่จะได้รับกลุ่มที่ใช้งานและจัดไว้ในลำดับถัดลงมาตามจำนวนลูกทีม
ผ่าน จากกลุ่มที่ใช้งานเหล่านี้รูปแบบคลัสเตอร์ระหว่างที่พบโดยการทำเหมืองรูปแบบลำดับ
เทคนิค ทำซ้ำขั้นตอนจนครบทุกกลุ่มที่ใช้งานมีการเชื่อมโยง กลุ่มจึงเชื่อมโยงใน
ลำดับเป็นไบร์ทบ่อย ชุดของการทดลองใช้ชุดข้อมูลจริงแสดงให้เห็นว่า
วิธีที่นำเสนอค่อนข้างห้าครั้งดีกว่าที่มีอยู่ การเปรียบเทียบทำด้วย
ผลของขั้นตอนวิธีอื่น ๆ และการเปลี่ยนแปลงของพวกเขาคือการวิเคราะห์โดยวิธีการทางสถิติ นอกจากนี้การทดสอบอย่างมีนัยสำคัญ
จะดำเนินการกับ ANOV เพื่อหาค่าเกณฑ์ที่มีประสิทธิภาพสำหรับพล็อตที่เหมาะสมของบ่อย
ไบร์ท ผลลัพธ์ที่ได้มีการวิเคราะห์และพบว่ามีดีกว่าที่มีอยู่ วิธีเทศกาล
อาจจะมีความสัมพันธ์กันในการหาเส้นทางอื่นในเครือข่ายไม่ว่าง (ควบคุมความแออัด) หาบ่อย
เส้นทางของนกอพยพหรือแม้กระทั่งการคาดการณ์ระดับถัดไปของลักษณะรูปแบบในกรณีของเวลาที่
ข้อมูลชุดที่มีการปรับเปลี่ยนเล็กน้อยและการหาเส้นทางที่พบบ่อย ของลูกในบางเกม

ผลลัพธ์ (ไทย) 3:

การทําเหมืองข้อมูลที่มีประสิทธิภาพ เทคโนโลยีใหม่ที่ช่วยให้ดึงข้อมูลที่ซ่อนอยู่จากเป็นปริมาณมากของข้อมูลทางประวัติศาสตร์ จนกระทั่งกระดาษเป็นกังวลกับการหาวิถีเคลื่อนที่บ่อยวัตถุใน spatia ชั่วคราวข้อมูล ด้วยวิธีการใหม่ในการใช้แนวคิดของการจัดกลุ่ม และต่อเนื่องรูปแบบการทำเหมือง อัลกอริทึมที่ใช้ตรรกะแบ่งพื้นที่เส้นทางช่วง เป็นกระจุก และใช้การ k-means ขั้นตอนวิธีนี้กลุ่มจนพร้อมข้อผิดพลาดลด . ใช้วิธีใหม่เกณฑ์ที่จะได้รับงานกลุ่มและจัดพวกเขาในลำดับถัดลงตามหมายเลขของวิถีผ่าน จากกลุ่มเหล่านี้ใช้งานอยู่ระหว่างรูปแบบกลุ่มที่พบโดยการทำเหมืองแร่แบบต่อเนื่องเทคนิค กระบวนการซ้ำจนงานกลุ่ม มันเชื่อมโยงกัน ที่เชื่อมโยงในกลุ่มดังนี้ลำดับเป็นวิถีที่ใช้บ่อย ชุดของการทดลองใช้ข้อมูลที่แท้จริง พบว่าวิธีที่นำเสนอค่อนข้างห้าครั้งดีกว่าที่มีอยู่ มีการเปรียบเทียบให้กับผลลัพธ์ของอัลกอริทึมอื่น ๆและรูปแบบของการวิเคราะห์โดยใช้วิธีการทางสถิติ เพิ่มเติม , การทดสอบ .ได้ทำการทดลองกับ anov เพื่อหาค่าเกณฑ์ประสิทธิภาพ สำหรับแปลงที่ดินที่เหมาะสมที่สุด บ่อย ๆวิถี . วิเคราะห์ผลการทดสอบและพบว่ามีกว่าที่มีอยู่ จนกระทั่ง วิธีการอาจจะมีความเกี่ยวข้องในการหาเส้นทางอื่นในเครือข่ายไม่ว่าง ( กลุ่มควบคุม ) พบบ่อย ๆเส้นทางของนกอพยพ หรือแม้แต่เพื่อทำนายระดับถัดไปของลักษณะรูปแบบในกรณีของเวลาข้อมูลอนุกรมมีการดัดแปลงเล็กน้อย และการหาเส้นทางบ่อยของลูกในเกมแน่นอน