مقاله ارائه روش جدید برای یافتن وابستگی فازی با چندین کمینه ضریب پشتیبان در پایگاه داده رابطه ای

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله ارائه روش جدید برای یافتن وابستگی فازی با چندین کمینه ضریب پشتیبان در پایگاه داده رابطه ای دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارائه روش جدید برای یافتن وابستگی فازی با چندین کمینه ضریب پشتیبان در پایگاه داده رابطه ای  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله ارائه روش جدید برای یافتن وابستگی فازی با چندین کمینه ضریب پشتیبان در پایگاه داده رابطه ای،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارائه روش جدید برای یافتن وابستگی فازی با چندین کمینه ضریب پشتیبان در پایگاه داده رابطه ای :

تعداد صفحات:۱۴
چکیده:
نیاز به ذخیره دادهها در پایگاه داده رابطهای و مشکلات ناشی از ادغام جداول و تبدیل آن ها به یک جدول واحد، ما را به سوی داده کاوی برای یافتن الگوهای پر تکرار رابطهای استفاده می شود. در کارهای قبلی MRFP-Growth رابطه ای رهنمون می سازد. در اینجا از الگوریتمانجام شده، به بررسی تأثیر فازی سازی ویژگیهای عددی در کاوش قوانین انجمنی برای حل مشکل بازههای تند و همچنین بهکارگیریچندین کمینه ضریب پشتیبان برای رفع مشکل اقلام نادر در پایگاه داده شامل یک جدول پرداخته شده است. در این مقاله به بررسی تأثیر این دو عامل در پایگاه داده رابطهای میپردازیم. فازی سازی ویژگی های عددی باعث رفع مشکل بازههای تند در پایگاه داده رابطهایمیشود. برای رفع مشکل اقلام نادر، از چندین کمینه ضریب پشتیبان برای اقلام مختلف استفاده می کنیم. به طوری که کمینه ضریبپشتیبان به عنوان درصدی از تعداد کل پشتیبان هر قلم داده در نظر گرفته می شود. استفاده از این روش باعث بهبود نسبی مشکل اقلام نادر می شود و از تولید تعداد زیاد و انفجاری الگوهای پر تکرار در مقادیر کوچک کمینه ضریب پشتیبان جلوگیری میکند. تعداد الگوها پرتکرار بعد از فازی سازی و استفاده از چندین کمینه ضریب پشتیبان به طور مناسبی کاهش می یابد ولی زمان اجرا الگوریتم و میانگین طول الگوها افزایش می یابد. در نتیجه الگوهای رابطه ای طولانی تری که حاوی اطلاعات بیشتری هستند، به وجود می آید.