Association Rule Mining (ARM) in data mining provides quality association rules based on measures such as support and confidence. These rules are interpreted by domain experts for making well-informed decisions. However, there is an issue with ARM when the dataset is subjected to changes from time to time. Discovering rules by reinventing wheel, scanning entire dataset every time in other words, consumes more memory, processing power and time. This is still an open problem due to proliferation of different data structures being used for extracting frequent item sets. An algorithm is proposed for update of mined association rules when dataset changes occur. The proposed algorithm outperforms the traditional approach as it mines association rules incrementally and dynamically updates mined association rules.
Die Inhaltsangabe kann sich auf eine andere Ausgabe dieses Titels beziehen.
Dr. N. Satyavathi arbeitet als Leiterin der Abteilung CSE in einer renommierten Einrichtung. Sie hat 17 Jahre Erfahrung in der Lehre. Veröffentlichte verschiedene Forschungsarbeiten in verschiedenen Scopus-Zeitschriften und auf internationalen Konferenzen. Fortlaufende Forschung auf dem Gebiet des Datamining.
„Über diesen Titel“ kann sich auf eine andere Ausgabe dieses Titels beziehen.
Anbieter: preigu, Osnabrück, Deutschland
Taschenbuch. Zustand: Neu. Mining Association Rules from Incremental Data set | Incremental Mining | Satyavathi Nedendla (u. a.) | Taschenbuch | Englisch | 2022 | LAP LAMBERT Academic Publishing | EAN 9786204980942 | Verantwortliche Person für die EU: preigu GmbH & Co. KG, Lengericher Landstr. 19, 49078 Osnabrück, mail[at]preigu[dot]de | Anbieter: preigu. Artikel-Nr. 122203383
Anzahl: 5 verfügbar