Bounded Support and Confidence over

Bounded Support and Confidence over Evidential Databases


Evidential database has showed its potential application in many fields of study. This specific database framework allows frequent patterns and associative classification rules to be extracted in a more efficient way from uncertain and imprecise data. The definition of support and confidence measures plays an important role in the extraction process of meaningful patterns and rules. In this present work, we proposed a new definition of support and confidence measures based on interval representation. Moreover, a new algorithm, named EBS-Apriori, based on these bounded measures and several pruning strategies was developed. Experiments were conducted using several database benchmarks. Performance analysis showed a better prediction outcome for our proposed approach in comparison with several literature-based methods.

ผลลัพธ์ (ไทย) 1:

สนับสนุน bounded และมั่นใจกว่าฐานข้อมูลมีหลักฐานประกอบฐานข้อมูลมีหลักฐานประกอบได้แสดงให้เห็นว่าการประยุกต์ใช้ที่มีศักยภาพในหลายสาขาวิชา กรอบเฉพาะฐานข้อมูลนี้ช่วยให้รูปแบบบ่อยและกฎการจัดประเภทที่เชื่อมโยงจะถูกแยกด้วยวิธีที่มีประสิทธิภาพมากขึ้นจากข้อมูลที่ไม่แน่นอน และไม่ การกำหนดมาตรการสนับสนุนและความเชื่อมั่นมีบทบาทสำคัญในกระบวนการแยกความหมายรูปแบบและกฎ ในงานนี้ปัจจุบัน เรานำเสนอคำนิยามใหม่ของอิงแสดงช่วงมาตรการสนับสนุนและความเชื่อมั่น นอกจากนี้ อัลกอริธึมใหม่ ชื่อ EBS-Apriori อิงจากมาตรการเหล่านี้ bounded และกลยุทธ์ตัดต่าง ๆ ได้รับการพัฒนา ดำเนินการทดลองใช้ฐานข้อมูลหลายมาตรฐาน วิเคราะห์ประสิทธิภาพแสดงให้เห็นว่าผลการทำนายดีสำหรับวิธีการของเรานำเสนอเปรียบเทียบกับวิธีตามวรรณคดีต่าง ๆ

ผลลัพธ์ (ไทย) 2:

สนับสนุนขอบเขตและความเชื่อมั่นมากกว่าหลักฐานฐานข้อมูลฐานข้อมูลที่มีหลักฐานแสดงให้เห็นว่ามีแอพลิเคชันที่มีศักยภาพในหลายสาขาวิชา กรอบฐานข้อมูลนี้จะช่วยให้รูปแบบที่เฉพาะเจาะจงบ่อยและกฎการจำแนกเชื่อมโยงที่จะสกัดในวิธีที่มีประสิทธิภาพมากขึ้นจากข้อมูลที่ไม่แน่นอนและไม่แน่นอน ความหมายของการสนับสนุนและความเชื่อมั่นมาตรการที่มีบทบาทสำคัญในกระบวนการสกัดของรูปแบบที่มีความหมายและกฎระเบียบ ในการทำงานในปัจจุบันนี้เรานำเสนอนิยามใหม่ของการสนับสนุนและความเชื่อมั่นมาตรการขึ้นอยู่กับช่วงเวลาที่เป็นตัวแทน นอกจากนี้อัลกอริทึมใหม่ชื่อ EBS-Apriori ขึ้นอยู่กับมาตรการเหล่านี้ล้อมรอบและกลยุทธ์การตัดแต่งกิ่งหลายได้รับการพัฒนา ทดลองใช้มาตรฐานหลายฐานข้อมูล การวิเคราะห์ผลงานแสดงให้เห็นว่าผลการทำนายที่ดีกว่าสำหรับวิธีการที่เรานำเสนอในการเปรียบเทียบกับวิธีการต่างๆวรรณกรรมตาม

ผลลัพธ์ (ไทย) 3:

การสนับสนุนและความมั่นใจมากกว่าฐานข้อมูล evidential ล้อมรอบฐานข้อมูล evidential ได้แสดงศักยภาพของการประยุกต์ในหลายสาขาของการศึกษา กรอบนี้ช่วยให้รูปแบบฐานข้อมูลที่เฉพาะเจาะจงที่พบบ่อยและเชื่อมโยงหมวดหมู่กฎที่จะสกัดในวิธีที่มีประสิทธิภาพมากขึ้นจากความไม่แน่นอนและข้อมูลไม่แน่ชัด ความหมายของการสนับสนุนมาตรการความมั่นใจและมีบทบาทสำคัญในการสกัดกระบวนการของกฎรูปแบบมีความหมายและ ในงานวิจัยนี้ เราได้เสนอนิยามใหม่ของการสนับสนุนและมาตรการความมั่นใจตามการแสดงผล นอกจากนี้ขั้นตอนวิธีใหม่ชื่อเดียวแบบ ตามมาตรการเหล่านี้ล้อมรอบและกลยุทธ์การตัดแต่งกิ่งหลายได้รับการพัฒนา การทดลองใช้มาตรฐานฐานข้อมูลหลาย การวิเคราะห์สมรรถนะมีการทำนายผลของเราดีกว่า วิธีการที่เสนอในการเปรียบเทียบกับวรรณคดีหลายที่ใช้วิธีการ