Un mécanisme efficace pour l'exploration de données basé sur des ensembles d'éléments Caractéristiques

L'extraction de motifs fréquents joue un rôle essentiel dans de nombreuses tâches importantes d'extraction de données telles queles associations, les motifs séquentiels, la périodicité partielle, pour n'en citer que quelques-unes. Néanmoins,il estbien connu que l'extraction de modèles fréquents produit habituellement un nombre extrême d'ensembles d'articles fréquents et de règles, ouvrant la voie à une réduction de la compétence ainsi que de l'efficacitéde l'extraction, étant donné que les clients sont les mieux placés pour passer au crible un grandnombre de règles extraites afin de localiser celles qui sont fructueuses. Par conséquent, sans avoir recours àl'extraction des ensembles d'éléments fréquents, l'extraction des seuls ensembles d'éléments fréquents ferméspermet d'améliorer considérablement l'excellence et de réduire le temps de calcul. Ce livre se concentre sur un nouveau mécanisme pour la mise en -uvre de l'extraction de motifs fréquents.

El Dr. Paul P Mathai se doctoró en Ciencias e Ingeniería Informática en el Centro de Enseñanza Superior Noorul Islam. En la actualidad, trabaja como profesor asociado en el departamento de Ciencia e Ingeniería Informática del Instituto Federal de Ciencia y Tecnología (FISAT), India. Sus especialidades son la minería de datos, el aprendizaje automático y la IA.