Updating large itemsets with early pruning
Erken eliminasyon ile yoğun nesne kümelerinin güncellenmesi
- Tez No: 83709
- Danışmanlar: PROF. DR. EROL ARKUN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Veri araştırması, bağıntı kuralları, yoğun nesne kümeleri, yoğun nesne kümelerinin güncellenmesi, erken eliminasyon, Eşleştirme kuralları, Nesne kümeler, Veri depolama, Veri tabanı, Data mining, association rules, large itemsets, update of large itemsets, early pruning, Itemsets, Data storage, Database
- Yıl: 1999
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Yazılımı Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
IV ÖZET ERKEN ELİMİNASYON İLE YOĞUN NESNE KÜMELERİNİN GÜNCELLENMESİ Necip Fazıl Ayan Bilgisayar ve Enformatik Mühendisliği, Yüksek Lisans Tez Yöneticisi: Prof. Dr. Erol Arkun Temmuz, 1999 Bilişim uygulamalarının yaygınlaşması ile, bilgisayarlarda büyük miktarlarda veri depolanmasına başlanmıştır. Günümüz veri tabanı sistemleri, kullanıcıya depolanan bütün bilgilere kolayca ulaşabileceği araçları ve fonksiyonları sun mamaktadır. Büyük veri tabanlarında saklı olan bu bilgilere ulaşmak ve bu bilgileri kullanmak üzere, otomatik bilgi keşfetmeye yarayan teknikler geliştiril mektedir. Bu tekniklerden biri olan bağıntı kuralları bulma, depolanan veriler den, ilginç ve sıklıkla rastlanan şemaları tanıma işlevinin, yani veri araştırması nın çok önemli bir dalıdır. Bağıntı kuralları, nesnelerin bir arada olma du rumlarını belirlemeyi amaçlar ve bir çok alanda geniş kullanılabilirliğe sahip tir. Bağıntı kuralları bulma, yoğun nesne kümelerinin (verilerde sıkça bir arada görülen nesnelerin) hesaplanması esasına dayanır ve büyük veri taban larında hesaplanması oldukça pahalı bir işlemdir. Bu yüzden, daha önce belir lenmiş bağıntı kurallarının korunması oldukça önemli bir konudur. Bu tezde, daha önceden bulunmuş olan nesne kümelerini göz önüne alarak, yoğun nesne kümelerini güncellemekte kullanılan hızlı bir algoritma sunulmaktadır. Algo ritmanın temel fikri, herhangi bir nesne kümesini güncellenen veri tabanında yoğun olmadığı anlaşılır anlaşılmaz elemek ve böylece yoğun olması muhtemel nesne kümelerinin sayısını olabildiğince küçük tutmaktır. Sunulan algoritma, veri tabanı üzerindeki tarama sayısı ile üretilen ve sayılan nesne kümelerinin sayısı bakımından daha önce önerilen bütün güncelleme algoritmalarından daha iyidir. Ayrıca, sunulan algoritma yoğun nesne kümelerinin hesaplanması esası na dayanan diğer veri araştırması işlerine de kolayca uyarlanabilir.
Özet (Çeviri)
Ill ABSTRACT UPDATING LARGE ITEMSETS WITH EARLY PRUNING Necip Fazıl Ayan M.S. in Computer Engineering and Information Science Supervisor: Prof. Dr. Erol Arkun July, 1999 With the computerization of many business and government transactions, huge amounts of data have been stored in computers. The existing database systems do not provide the users with the necessary tools and functionalities to cap ture all stored information easily. Therefore, automatic knowledge discovery techniques have been developed to capture and use the voluminous informa tion hidden in large databases. Discovery of association rules is an important class of data mining, which is the process of extracting interesting and frequent patterns from the data. Association rules aim to capture the co-occurrences of items, and have wide applicability in many areas. Discovering association rules is based on the computation of large itemsets (set of items that occur frequently in the database) efficiently, and is a computationally expensive operation in large databases. Thus, maintenance of them in large dynamic databases is an important issue. In this thesis, we propose an efficient algorithm, to update large itemsets by considering the set of previously discovered itemsets. The main idea is to prune an itemset as soon as it is understood to be small in the updated database, and to keep the set of candidate large itemsets as small as possible. The proposed algorithm outperforms the existing update algorithms in terms of the number of scans over the databases, and the number of can didate large itemsets generated and counted. Moreover, it can be applied to other data mining tasks that are based on large itemset framework easily.
Benzer Tezler
- Uptading finite element modelsfor dynamic analysis of structures
Yapıların dinamik analizinde kullanılan sonlu elemanlar modellerinin iyileştirilmesi
AHMET KARAMAN
Yüksek Lisans
İngilizce
1994
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. SAMİM ÜNLÜSOY
- Field testing based model updating of railway bridges
Demir yolu köprü modelinin test ölçümlerine dayanılarak yenilenmesi
PAKNOUSH RAHMATİAN DOLAT ABADI
- Uydu görüntülerinden-ulusal coğrafi bilgi sistemine temel oluşturacak nitelikte-topoğrafik harita üretimine veya güncelleştirmesine yönelik analiz ve öneriler
Başlık çevirisi yok
MUSTAFA ÖNDER
Doktora
Türkçe
1998
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
PROF. DR. AYHAN ALKIŞ
- Design and development of a computerized maintenance management system for a large production facility
Büyük bir üretim kuruluşu için bir bakım yönetim sistemi tasarımı ve geliştirilmesi
AYŞE BANK
Yüksek Lisans
İngilizce
1994
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN OR
- V.42 bis sıkıştırma yönteminin gerçekleşme ve başarım incelenmesi
Implementation of V.42 bis compression procedure and performance results
OSMAN ALİEFENDİOĞLU
Yüksek Lisans
Türkçe
1992
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. A. EMRE HARMANCI