Recently, data mining of uncertain

Recently, data mining of uncertain data especially frequent pattern mining has become an interesting research topic. On the other hand, in many applications, interactive mining is a need where user changes minimum support threshold to find proper frequent patterns. Thus, in this paper, an efficient tree is proposed called UDFP-tree based on our previous model [9] for interactive mining from uncertain data. By using the proposed tree, the mining model construction is separated from the mining process, and it is possible to build mining model once and use it many times. To evaluate the proposed tree, it was compared with UFP-tree algorithm which is the best algorithms for static frequent pattern mining from uncertain data. The experiments results show that although the runtime of UFP-tree for static mining was less than UDFP- tree, in interactive mining, the UFP-tree must be reconstructed and the number of changes in minimum support threshold increases its cost. Therefore, after UDFP-tree is constructed it can be frequently mined by different minimum support threshold.

ผลลัพธ์ (ไทย) 1:

เมื่อเร็ว ๆ นี้ การทำเหมืองข้อมูลของข้อมูลที่ไม่แน่นอนโดยเฉพาะที่พบบ่อยรูปเหมืองแร่กลายเป็น หัวข้อวิจัยที่น่าสนใจ คง งาน เหมืองแบบโต้ตอบจำเป็นที่ผู้ใช้เปลี่ยนแปลงขีดจำกัดขั้นต่ำสนับสนุนเพื่อค้นหารูปแบบที่เหมาะสมที่บ่อย ดังนั้น ในกระดาษนี้ ต้นไม้มีประสิทธิภาพมีเสนอเรียกว่า UDFP-ต้นไม้จากรุ่นก่อนหน้าของเรา [9] สำหรับทำเหมืองแร่แบบโต้ตอบจากข้อมูลที่ไม่แน่นอน โดยใช้แผนภูมิการนำเสนอ เหมืองแร่ก่อแยกออกจากกระบวนการทำเหมืองแร่ และจำเป็นต้องสร้างแบบจำลองการทำเหมืองเสร็จ และใช้งานได้หลายครั้ง การประเมินแผนภูมิการนำเสนอ มันถูกเมื่อเทียบกับอัลกอริทึม UFP-ทรีซึ่งเป็นอัลกอริทึมที่ดีที่สุดสำหรับการทำเหมืองคงบ่อยรูปแบบจากข้อมูลที่ไม่แน่นอน ผลการทดลองแสดงว่า แม้ว่าการรันไทม์ของ UFP ต้นสำหรับเหมืองแร่คงน้อยกว่า UDFP-ต้นไม้ ในการทำเหมืองแบบโต้ตอบ ต้น UFP ต้องสามารถสร้างขึ้นใหม่ และหมายเลขการเปลี่ยนแปลงขีดจำกัดขั้นต่ำสนับสนุนเพิ่มทุน ดังนั้น หลังจาก UDFP-ทรีที่มีโครงสร้าง ก็สามารถจะบ่อยขุด โดยเกณฑ์สนับสนุนขั้นต่ำที่แตกต่างกัน

ผลลัพธ์ (ไทย) 2:

เมื่อเร็ว ๆ นี้การทำเหมืองข้อมูลของข้อมูลที่ไม่แน่นอนโดยเฉพาะอย่างยิ่งการทำเหมืองแร่ในรูปแบบที่พบบ่อยได้กลายเป็นหัวข้อวิจัยที่น่าสนใจ บนมืออื่น ๆ ในการใช้งานหลายเหมืองโต้ตอบความจำเป็นที่ผู้ใช้เปลี่ยนเกณฑ์การสนับสนุนขั้นต่ำในการหารูปแบบที่เหมาะสมบ่อย ดังนั้นในบทความนี้ต้นไม้ที่มีประสิทธิภาพมีการเสนอที่เรียกว่า UDFP ต้นไม้ขึ้นอยู่กับรุ่นก่อนหน้าของเรา [9] สำหรับการทำเหมืองโต้ตอบจากข้อมูลที่มีความไม่แน่นอน โดยใช้ต้นไม้ที่นำเสนอการก่อสร้างแบบการทำเหมืองจะถูกแยกออกจากกระบวนการการทำเหมืองแร่และมันก็เป็นไปได้ที่จะสร้างรูปแบบการทำเหมืองแร่ครั้งเดียวและใช้มาหลายครั้ง เพื่อประเมินต้นไม้ที่นำเสนอมันก็เทียบกับอัลกอริทึม UFP ต้นไม้ซึ่งเป็นขั้นตอนวิธีการที่ดีที่สุดสำหรับการคงรูปแบบการทำเหมืองแร่ที่พบบ่อยจากข้อมูลที่มีความไม่แน่นอน ผลการทดลองแสดงให้เห็นว่าถึงแม้จะรันไทม์ของ UFP ต้นไม้สำหรับการทำเหมืองคงน้อยกว่าต้นไม้ UDFP- ในการทำเหมืองแร่โต้ตอบ UFP ต้นไม้จะต้องถูกสร้างขึ้นใหม่และจำนวนของการเปลี่ยนแปลงในการสนับสนุนเกณฑ์ขั้นต่ำที่เพิ่มขึ้นค่าใช้จ่ายของ ดังนั้นหลังจาก UDFP ต้นไม้มีการก่อสร้างก็สามารถขุดได้บ่อยครั้งโดยที่แตกต่างกันสนับสนุนเกณฑ์ขั้นต่ำ

ผลลัพธ์ (ไทย) 3:

เมื่อเร็ว ๆนี้ , การทำเหมืองข้อมูลไม่แน่ใจข้อมูลได้บ่อยโดยเฉพาะอย่างยิ่งรูปแบบเหมืองแร่ได้กลายเป็น หัวข้องานวิจัยที่น่าสนใจ บนมืออื่น ๆ ในการใช้งานหลายเหมือง Interactive คือ ต้องการที่ผู้ใช้เปลี่ยนแปลงเกณฑ์สนับสนุนขั้นต่ำ เพื่อค้นหารูปแบบ บ่อย ๆที่เหมาะสม ดังนั้น ในกระดาษนี้ , ต้นไม้ที่มีประสิทธิภาพเสนอชื่อต้นไม้ udfp ตามรูปแบบเดิมของเรา [ 9 ] สำหรับการโต้ตอบเหมืองแร่จากข้อมูลที่ไม่แน่นอน โดยการเสนอต้นไม้ รูปแบบการก่อสร้างเหมืองแร่แยกจากกระบวนการทำเหมือง , และมันเป็นไปได้ที่จะสร้างแบบจำลองเหมืองแร่ครั้งเดียวและใช้มันหลายครั้ง ประเมินการนำเสนอต้นไม้ มันเทียบกับ UFP ต้นไม้ซึ่งเป็นที่ดีที่สุดสำหรับขั้นตอนวิธีขั้นตอนวิธีแบบคงที่จากเหมืองแร่บ่อยข้อมูลไม่แน่นอน จากการทดลองพบว่า รันไทม์ของ UFP ต้นไม้สำหรับเหมืองแร่คงน้อยกว่า udfp - ต้นไม้ ในการทำเหมืองแบบต้นไม้ UFP ต้องถูกสร้างขึ้นและจำนวนของการเปลี่ยนแปลงค่าสนับสนุนขั้นต่ำ เพิ่มต้นทุน ดังนั้น หลังจากที่ udfp ต้นไม้ถูกสร้างได้เคยบ่อย โดยสนับสนุนแตกต่างกันน้อยที่สุด เกณฑ์