Bài báo này nghiên cứu phát hiện các luật kết hợp thể hiện được mối quan hệ
theo thời gian của các thời điểm xảy ra các sự kiện từ các cơ sở dữ liệu định lượng có
yếu tố thời gian. Thuật toán tìm các luật như vậy được đề xuất dựa trên việc phát triển
thuật toán Apriori kết hợp với việc mờ hoá khoảng cách thời gian giữa các thời điểm xảy
ra sự kiện cũng như mờ hoá các thuộc tính định lượng.
16 trang |
Chia sẻ: Thục Anh | Ngày: 11/05/2022 | Lượt xem: 504 | Lượt tải: 0
Nội dung tài liệu Phát hiện luật kết hợp liên kết chuỗi thời gian từ cơ sở dữ liệu định lượng có yếu tố thời gian, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
ểu (min_conf)
min_conf
min_supp
0.60 0.65 0.70 0.75 0.80 0.85
0.15 1676 1655 1481 1028 501 131
0.17 615 594 490 291 130 23
0.20 195 177 137 61 18 1
0.25 41 32 17 4 0 0
0.30 9 9 5 0 0 0
0.33 1 1 1 0 0 0
78 TRNG I HC TH H NI
Dựa vào bảng 4, hình 1 là biểu đồ thể hiện mối quan hệ giữa độ tin cậy cực tiểu và số
luật sinh ra với các độ hỗ trợ cực tiểu khác nhau. Từ hình 1, ta thấy số lượng các luật giảm
mạnh khi độ tin cậy cực tiểu tăng dần đối với cùng độ hỗ trợ cực tiểu thấp. Khi độ hỗ trợ
cực tiểu cao thì mối quan hệ giữa số luật và độ tin cậy cực tiểu trở nên mịn hơn.
Hình 1. Biểu đồ thể hiện mối quan hệ giữa độ tin cậy cực tiểu min_conf
và số luật sinh ra với các độ hỗ trợ cực tiểu khác nhau
Tiếp theo, hình 2 mô tả mối quan hệ giữa số lượng luật sinh ra và độ hỗ trợ cực
tiểu đối với các độ tin cậy cực tiểu khác nhau. Hình 2, số lượng luật tăng nhanh khi độ hỗ
trợ giảm.
Hình 2. Biểu đồ thể hiện mối quan hệ giữa độ hỗ trợ cực tiểu min_supp
và số luật sinh ra với các độ hỗ trợ cực tiểu khác nhau
Cuối cùng, mối quan hệ giữa chi phí thời gian thực hiện thuật toán và độ hỗ trợ cực
tiểu ứng với độ tin cậy cực tiểu là 0.6 được thể hiện như trong bảng 5 và hình 3.
TP CH KHOA HC − S
8/2016 79
Bảng 5. Mối quan hệ giữa thời gian chực hiện và độ hỗ trợ cực tiểu với min_conf=0.6
Độ hỗ trợ cực tiểu Thời gian thực hiện (s)
0.15 118.01
0.17 50.14
0.20 17.909
0.25 6.306
0.30 3.179
0.33 3.565
Hình 3. Biểu đồ thể hiện mối quan hệ về thời gian thực hiện và độ hỗ trợ cực tiểu
ứng với độ tin cậy cực tiểu min_conf=0.6
Từ hình 3, ta thấy chi phí thời gian tăng rất nhanh khi giảm độ hỗ trợ cực tiểu. Điều
này là hợp lí do khi giảm độ hỗ trợ cực tiểu thì số lượng tập phổ biến được sinh ra sẽ tăng
theo rất nhanh.
5. KẾT LUẬN
Bài báo đã đề xuất thuật toán FTIQ-ARM nhằm phát hiện các luật liên kết thời gian
mờ phổ biến từ cơ sở dữ liệu định lượng có yếu tố thời gian. Thuật toán FTIQ-ARM được
cải tiến từ thuật toán Apriori để tìm các chuỗi liên kết mờ thời gian phổ biến. Bài báo đã
trình bày thuật toán dưới dạng giả mã. Kết quả thực nghiệm đã chỉ ra mối quan hệ giữa số
lượng các luật kết quả và độ hỗ trợ cực tiểu, độ tin cậy cực tiểu cũng như thời gian thực
hiện. Nghiên cứu của bài báo đã góp phần giải quyết vấn đề phát hiện các mối quan hệ về
thời gian giữa các sự kiện trong cơ sở dữ liệu định lượng có yếu tố thời gian.
80 TRNG I HC TH H NI
TÀI LIỆU THAM KHẢO
1. R. Agrawal, T. Imielinski, A.Swami, "Mining association rules between sets of items in large
database", In: P.Buneman, S. Jajodia eds. Proc. of 1993 ACM SIGMOD Conf on Management
of Data. Washington DC: ACM Press, 1993. pp.207-216.
2. R. Agrawal, R. Srikant (1994), "Fast algorithms for mining association rules", In: J.Bocca,
M.Jarke, C.Zaniolo eds. Proc. of the 20th Int’l Conf on Very Large DataBases (VLDB’94),
Santiago: Morgan Kaufmann, pp. 487-499.
3. Y. L. Chen, M. C. Chiang, and M. T. Ko (2003), "Discovering time-interval sequential
patterns in sequence databases", Expert Syst. Applicat., vol. 25, no. 3, pp.343-354.
4. Yen-Liang Chen, Cheng-Kui Huang (2005), "Discovering fuzzy time-interval sequential
patterns in sequence databases", IEEE Transactions on Systems, Man, and Cybernetics, Part
B: Cybernetics 35, pp.959-972.
5. Attila Gyenesei (2000), "A Fuzzy Aproach for Mining Quantitative Association Rules", Turku
Centre for Computer Sciences, TUCS Technical Report, No 336.
6. Kuod. M, Ada. P (1998), "Mining Fuzzy Association Rules", In SIGMOD Record, 27(1).
7. L. Qin, P. Luo, Z. Shi (2004), "Efficiently mining frequent itemsets with compact FP-tree". In:
Z.Shi and Q.He eds. Proc. of Int’l Conf. on Intelligent Information Processing 2004 (IIP2004),
Beijing, China. Springer Press, pp.397-406.
8. UCI-Machine Learning Repository,
9. Liang-Xi Qin, Zhong-Zhi Shi (2006), "Efficiently mining association rules from time series",
International Journal of Information Technology, Vol.12 No.4. pp.30-38.
10. Saravanan, M.S.; Sree, R.J.R (2011), "A Simple Process model generation using a new
Association Rule Mining algorithm and Clustering Approach", Advanced Computing (ICoAC),
2011 Third International Conference on Digital Object Identifier, pp.265-269.
11. R. Srikant and R. Agrawal (1995), "Mining Sequential Patterns", Proc. of the 11th Int’l
Conference on Data Engineering, Taipei, Taiwan.
12. Zadeh, L. A. (1995), "Fuzzy sets", Information and Control, Vol. 8, pp.338-353.
13. M. J. Zaki and C.-J. Hsiao (1999), "CHARM: An efficient algorithm for closed association
rule mining", Technical Report 99-10, Computer Science Dept., Rensselaer Polytechnic
Institute, October..
14. Sumathi, R. and Kirubakaran, E. (2012), "Architectural perspective of parallelizing association
rule mining", Advances in Engineering, Science and Management (ICAESM), International
Conference, pp.437-442.
15. Yi-Chung Hu, Gwo-Hshiung Tzeng, Chin-Mi Chen, "Deriving two-stage learning sequences
from knowledge in fuzzy sequential pattern mining", Information Sciences 159 (2004),
pp.69-86.
16. Fu A, Wong MH, Sze SC, Wong WC, Wong WL, Yu WK (1998) "Finding fuzzy sets for the
mining of fuzzy association rules for numerical attributes", In: IDEAL-98, 1st International
symposium on intelligent data engineering and learning, Hong Kong, pp.263-268.
17. Shu-Yue J, Tsang E, Yengg D, Daming S (2000) "Mining fuzzy association rules with
weighted items". In: Proceedings of the IEEE international conference on systems, man, and
cybernetics. Nashville, TN, pp.1906-1911.
TP CH KHOA HC − S
8/2016 81
18. Chung-I Chang; Hao-En Chueh; Lin, N.P. "Sequential Patterns Mining with Fuzzy Time-
Intervals", Fuzzy Systems and Knowledge Discovery, 2009. FSKD '09. Sixth International
Conference on, On page(s): 165-169 Volume: 3, 14-16 Aug, 2009.
19. W. H. Au and K. C. C. Chan, "FARM: A data mining system for discovering fuzzy association
rules", Proc. FUZZ IEEE, vol. 3, pp.22-25, 1999.
20. W. Zhang (1999), "Mining fuzzy quantitative association rules", Proc. 11th Int. Conf. Tools
Artificial Intelligence, pp.99-102.
21. Chung-I Chang; Hao-En Chueh; Yu-Chun Luo (2013), "An integrated sequential patterns
mining with fuzzy time-intervals", Systems and Informatics (ICSAI), International Conference
on, On page(s): 2294 – 2298
22. Weng, Cheng-Hsiung; Chen, Yen-Liang (2010), "Mining fuzzy association rules from
uncertain data", Knowledge and Information Systems, Volume.23, Issue.2, pp.129.
23. CHANG, Joong Hyuk; PARK, Nam Hun (2013), "Finding Interesting Sequential Patterns in
Sequence Data Streams via a Time-Interval Weighting Approach", IEICE Transactions on
Information and Systems, Volume.E96.D, Issue.8, pp.1734.
24. Chang JH (2011) "Mining weighted sequential patterns in a sequence database with a time-
interval weight", Know Based Syst 24(1):1-9.
25. Moskovitch R, Walsh C, Hripsack G, Tatonetti N (2014) "Prediction of biomedical events via
time intervals mining", ACM KDD Workshop on Connected Health in Big Data Era, NY,
USA.
26. C.H. Chen, T.P. Hong, and V.S. Tseng (2012), "Fuzzy data mining for time-series data", Appl.
Soft Comput., 12(1):536-542.
OPTICAL MODES IN A FREE STANDING QUANTUM WIRE
Abstract: A continuum model is employed to describe the allowed longitudinal-optical
(LO) phonons of a cylin-drical free-standing GaAs wire. The confinement of optical
modes in a quantum wire of polar material is described by a theory involving the triple
hybridization of LO, transverse optical (TO) phonon, and IP (interface polariton) modes.
In this work, we tried to calculate the LO, TO, and IP modes in a quantum wire using
conditions of both mechanical and electromagnetic boundary.
Keywords: LO, TO, IP, mechanical and electromagnetic boundary.
Các file đính kèm theo tài liệu này:
- phat_hien_luat_ket_hop_lien_ket_chuoi_thoi_gian_tu_co_so_du.pdf