Improving Apriori Algorithm Based on Inverse Strategy
| العنوان بلغة أخرى: |
تطوير الخوارزمية الاستباقية بناءا على الاستراتيجية العكسية |
|---|---|
| المؤلف الرئيسي: | حمد، يوسف علي عبدالجبار (مؤلف) |
| المؤلف الرئيسي (الإنجليزية): | Hamad, Yousef Ali Abd Al-Jaber |
| مؤلفين آخرين: | بطيحة، خالد محمد (مشرف) |
| التاريخ الميلادي: |
2021
|
| موقع: | المفرق |
| الصفحات: | 1 - 45 |
| رقم MD: | 1250415 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة آل البيت |
| الكلية: | كلية تكنولوجيا المعلومات |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
1
| المستخلص: |
لا شك في أن التنقيب عن البيانات أصبح من الأمور المؤثرة في الكثير من مجالات العمل. و قد تصدرت خوارزمية شجرة الأنماط المتكررة و الخوارزمية الاستباقية هذا المضمار. تتقدم شجرة الأنماط المتكررة على الخوارزمية الاستباقية من حيث استهلاك الوقت و الذاكرة و عليه فقد عمل الكثير من الباحثين على تطوير الخوارزمية الاستباقية، ذلك أن الاستباقية تعاني من عيب خلقي و الذي يتمثل في الزيارات المتكررة لقاعدة البيانات فضلا عن صنع الكثير من الجداول لمرشحي المجموعات المتكررة. هذا الأمر يخلق ضغطا كبيرا على وحدة المعالجة المركزية و كذلك يستهلك الكثير من مساحة الذاكرة. الكثير من إصدارات هذه الخوارزمية تم تصميمها بهدف القضاء على هذه السلبيات أو على أقل تقدير التقليل من تأثيرها السلبي. وهذا الهدف يتم تحقيقه عن طريق التقليل من زيارات قاعدة البيانات إن لم يكن إلغائها تماما و كذلك التقليل من عمل جداول كثيرة إن لم يكن إلغائها تماما. مشاركتنا في هذا المضمار كانت الخوارزمية المتطورة العكسية الاستباقية. هذه الخوارزمية تقوم بفحص الذاكرة مرة واحدة فقط و على إثر هذه الزيارة تقوم الخوارزمية بتحويل كامل قاعدة البيانات إلى مجموعة من الفراغات و الواحدات، ثم تقوم بعمل تصفية لسجلات قاعدة البيانات. هذه التصفية تقوم بحذف حوالي 90% من السجلات الأصلية الموجودة في قاعدة البيانات الأصلية. إن هذا الحذف يقوم على مفاهيم جديدة هي كالآتي: I. السجل الحقيقي II. السجل المخادع III. المجموعات المتكررة الحقيقية IV. المجموعات المتكررة المخادعة و بعد عمل التصفية المذكورة تقوم الخوارزمية بفحص قاعدة البيانات جيدا بهدف تحديد نقطة بداية البحث بعناية فائقة. لقد أظهرت الخوارزمية المتطورة العكسية الاستباقية تقدما واضحا و جليا على الخوارزمية الاستباقية الأصلية، و كذلك على خوارزمية متطورة هي خوارزمية المصفوفة حيث استهلكت الخوارزمية المتطورة العكسية الاستباقية ما لا يزيد عن 1% مما استهلكته الخوارزمية الاستباقية من زمن و مساحة للذاكرة. لقد أظهرت الخوارزمية المتطورة العكسية الاستباقية فرقا هائلا بين عدد السجلات التي يقوم العمل عليها و بين عدد السجلات الحقيقي. و أخيرا وضعنا بين يدي الباحثين سؤالين لتطوير هذه الخوارزمية و ذلك عن طريق تخفيض عدد السجلات الحقيقي و زيادة الدقة في اختيار نقطة بداية البحث. |
|---|
عناصر مشابهة
-
Chicken Algorithm Based Feature Selection for Arabic Information Searching System
بواسطة: عبدالأمير، زينب منشور: (2019) -
Customer Behavior Mining Using Apriori Algorithm
بواسطة: El Tayeb, Alaa Abubaker El Tahir منشور: (2016) -
An Improvement for DBSCAN Algorithm for Best Results in Varied Densities
بواسطة: El Batta, Mohammad N. T. منشور: (2012) -
Improving AES Algorithm using Multiple Secret Keys
بواسطة: الواعظ، سهير حسيب منشور: (2019) -
Enhanced K_way Method In "APRIORI" Algorithm for Mining the Association Rules Through Embedding SQL Commands
بواسطة: Dbwan, Basel Ali منشور: (2013)
