There have been proposed many algor

There have been proposed many algorithms for frequent pattern mining. The first efficient algorithm was proposed by Aggarwal et al. which is called Apriori [10]. The most weaknesses of this algorithm are multi scan of database and generating many candidate patterns. To solve these weaknesses, J. Han et al. proposed FP-growth [11] in 2000. It aims to enhance the efficiency of frequent pattern mining by using a novel tree structure called FP-tree. Efficiently, data is captured and kept by FP-tree by two database scans. Then, to mine frequent patterns, FP-growth algorithm explores the tree in a divide-and-conquer strategy without candidate pattern generation. Although the experimental results show that the performance of FP-growth is very higher than Apriori, FP-growth is not adoptable to interactive mining of frequent patterns because FP-tree kept only frequent patterns.

ผลลัพธ์ (ไทย) 1:

มีได้รับการเสนอหลายอัลกอริทึมสำหรับการทำเหมืองในรูปแบบที่พบบ่อย อัลกอริทึมมีประสิทธิภาพแรกถูกเสนอโดย Aggarwal et al.ซึ่งเรียกว่า Apriori [10] จุดอ่อนที่สุดของอัลกอริทึมนี้จะสแกนหลายฐานข้อมูลและสร้างรูปแบบผู้สมัครจำนวนมาก การแก้จุดอ่อน J. Han et al.เสนอ FP-เติบโต [11] ใน 2000 มันมีวัตถุประสงค์เพื่อเพิ่มประสิทธิภาพในการทำเหมืองแร่รูปแบบบ่อย โดยใช้โครงสร้างแผนภูมิใหม่เรียกว่า FP-ต้นไม้ ได้อย่างมีประสิทธิภาพ ข้อมูลจะจับ และถูกเก็บไว้ โดย FP ต้นไม้ โดยการสแกนฐานข้อมูลที่สอง แล้ว เหมืองรูปแบบบ่อย อัลกอริทึมเติบโต FP สำรวจต้นไม้ในกลยุทธ์แบ่ง และพิชิตได้โดยไม่ต้องสร้างรูปแบบผู้สมัคร แม้ว่าผลการทดลองแสดงว่า ประสิทธิภาพการทำงานของ FP เติบโตสูงมากกว่า Apriori, FP เติบโตไม่ได้อุปการะในการทำเหมืองแร่แบบโต้ตอบของรูปแบบบ่อย เพราะ FP ต้นไม้เก็บรูปแบบที่ใช้บ่อยเท่านั้น

ผลลัพธ์ (ไทย) 2:

มีได้รับการเสนอหลายขั้นตอนวิธีสำหรับการทำเหมืองรูปแบบที่พบบ่อย อัลกอริทึมที่มีประสิทธิภาพเป็นครั้งแรกที่เสนอโดย Aggarwal et al, ซึ่งเรียกว่า Apriori [10] จุดอ่อนที่สุดของขั้นตอนวิธีนี้มีการสแกนหลายฐานข้อมูลและสร้างรูปแบบของผู้สมัครจำนวนมาก เพื่อแก้จุดอ่อนเหล่านี้เจฮัน, et al เสนอ FP-การเจริญเติบโต [11] ในปี 2000 โดยมีจุดมุ่งหมายเพื่อเพิ่มประสิทธิภาพของการทำเหมืองรูปแบบที่พบบ่อยโดยใช้โครงสร้างนวนิยายต้นไม้ที่เรียกว่า FP-ต้นไม้ ได้อย่างมีประสิทธิภาพข้อมูลที่ถูกจับและเก็บไว้โดย FP-ต้นไม้สองสแกนฐานข้อมูล จากนั้นรูปแบบที่พบบ่อยเหมืองอัลกอริทึม FP-การเจริญเติบโตสำรวจต้นไม้ในกลยุทธ์การแบ่งและพิชิตได้โดยไม่ต้องรุ่นรูปแบบที่ผู้สมัคร แม้ว่าผลการทดลองแสดงให้เห็นว่าการทำงานของ FP-การเจริญเติบโตที่สูงมากกว่า Apriori, FP-การเจริญเติบโตไม่ adoptable กับการทำเหมืองการโต้ตอบของรูปแบบที่พบบ่อยเพราะ FP-ต้นไม้เก็บไว้เพียงรูปแบบที่พบบ่อย

ผลลัพธ์ (ไทย) 3:

มีการเสนอหลายขั้นตอนวิธีสำหรับเหมืองแร่แบบบ่อย อัลกอริทึมที่มีประสิทธิภาพแรกที่เสนอโดย s et al . ซึ่งเรียกว่าแบบ [ 10 ] จุดอ่อนที่สุดของขั้นตอนวิธีนี้มีหลายการสแกนของฐานข้อมูลและการสร้างรูปแบบ ผู้สมัครหลายคน เพื่อแก้จุดอ่อนเหล่านี้ เจฮัน et al . เสนอ FP การเจริญเติบโต [ 11 ] ใน 2000 โดยมีจุดมุ่งหมายเพื่อเพิ่มประสิทธิภาพของการทำเหมืองแบบใหม่บ่อย ๆโดยใช้โครงสร้างที่เรียกว่า FP ต้นไม้ ได้อย่างมีประสิทธิภาพ ข้อมูลถูกเก็บไว้โดยต้นไม้และ FP โดยสองฐานข้อมูลสแกน งั้นฉันรูปแบบบ่อย ขั้นตอนวิธีการ FP สำรวจต้นไม้ในแบ่งและพิชิตกลยุทธ์โดยไม่ต้องสร้างแบบแผนผู้สมัคร ถึงแม้ว่าผลการทดลองแสดงให้เห็นว่าประสิทธิภาพของการเจริญเติบโตของ FP มากสูงกว่าแบบการเจริญเติบโต FP ไม่ได้ adoptable เพื่อทำเหมืองแบบโต้ตอบรูปแบบบ่อยเพราะ FP ต้นไม้เฝ้าแต่รูปแบบที่ใช้บ่อย