Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
Thông tin chung
English
Đề tài NC khoa học
Bài báo, báo cáo khoa học
Hướng dẫn Sau đại học
Sách và giáo trình
Các học phần và môn giảng dạy
Giải thưởng khoa học, Phát minh, sáng chế
Khen thưởng
Thông tin khác
Tài liệu tham khảo
Hiệu chỉnh
Số người truy cập: 108,302,887
Khai thác các tập mục mờ phổ biến bằng cách sử dụng Node-List
Tác giả hoặc Nhóm tác giả:
Trinh T. T. Tran, Giang L. Nguyen3, Chau N. Truong4, and Thuan T. Nguyen
Nơi đăng:
Springer Nature Singapore,Information Systems Design and Intelligent Applications, Advances in Intelligent Systems and Computing 672;
S
ố:
Volume 672;
Từ->đến trang
: 37-48;
Năm:
2018
Lĩnh vực:
Khoa học công nghệ;
Loại:
Bài báo khoa học;
Thể loại:
Quốc tế
TÓM TẮT
Khai phá dữ liệu đóng vai trò quan trọng trong khám phá tri thức trong cơ sở dữ liệu; nhiều loại tri thức và công nghệ đã được đề xuất để khai thác dữ liệu. Trong số đó, khai phá luật kết hợp là bài toán quan trọng không chỉ trong nhiệm vụ khai phá dữ liệu mà còn có nhiều ứng dụng thực tế trong các lĩnh vực khác nhau của đời sống. Những nghiên cứu trước đây chủ yếu tập trung vào việc hiển thị dữ liệu giao dịch với các giá trị nhị phân. Tuy nhiên, trong các ứng dụng trong thế giới thực, các giao dịch cũng chứa dữ liệu không chắc chắn và không chính xác. Để giải quyết vấn đề nêu trên, các thuật toán khai phá luật kết hợp mờ được phát triển để xử lý dữ liệu định lượng sử dụng tập mờ. Trong bài báo này, chúng tôi trình bày thuật toán đề xuất NFFP, một phiên bản mờ cải tiến của thuật toán PPV để khám phá các tập mờ phổ biến sử dụng cấu trúc Node-List
ABSTRACT
Data mining plays an important in knowledge discovery in databases; many types of knowledge and technology have been proposed for data mining. Among them, association rule mining is the problem important not only in data mining task but also in many practical applications in different areas of life. These previous studies mostly focused on showing the transaction data with binary values. However, in real-world applications, transactions also contain uncertain and imprecise data. To solve the above-mentioned problem, fuzzy association rule mining algorithms are developed to handle quantitative data using fuzzy set. In this paper, we present proposed algorithm NFFP, an improved fuzzy version of PPV algorithm for discovering frequent fuzzy itemsets using Node-List structure
© Đại học Đà Nẵng
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn