پایان‌نامه

کاوش الگوهای تکراری پرسود در پایگاه داده های بزرگ

چکیده

داده­کاوی مجموعه اقلام پرسود در پایگاه داده تراکنشی، منجر به شناسایی مجموعه اقلام با بالاترین سودمندی می­شود. گرچه در سال های اخیر الگوریتم­های بسیاری برای این نمونه کار پیشنهاد شده است، اما این الگوریتم­ها، اکثراً، کارائی خود را صرف تولید مجموعه اقلام کاندید برای تولید مجموعه اقلام پرسود می­نمایند. چنانچه پایگاه داده دارای تعداد تراکنش­های بسیار زیاد و یا دارای مجموعه اقلام پرسود خیلی طولانی باشد، تولید مجموعه اقلام کاندید بسیار دشوار و زمان­بر خواهد شد. در این پایان­نامه، به منظور حل مشکل مذکور، الگوریتم جدیدی به نام pup-growth، ارائه شده است. این الگوریتم، کاوش مجموعه اقلام پرسود را به کمک چند راهبرد موثر برای هرس کردن مجموعه اقلام کاندید و استفاده از سیستم های چند هسته­ای انجام می­دهد. در این الگوریتم، اطلاعات مجموعه اقلام در ساختار داده up-tree ذخیره می شود. مجموعه اقلام کاندید، به صورت کارا و تنها با دو اسکن پایگاه داده تولید می­شوند. با استفاده از موازی­سازی، جنگلی از up-tree ها برای ذخیره مجموعه اقلام، ایجاد می شود. این امر موجب می­شود که کارائی الگوریتم در مقایسه با الگوریتم اولیه، وقتی از مجموعه داده واقعی و ساختگی استفاده می شود، بهبود چشمگیری یابد. به طوریکه بهبود بدست آمده به میزان 65% می­باشد. مشاهدات نشان می دهد، هنگامی که تعداد تراکنش­های طولانی، زیاد باشد، الگوریتم ما بسیار کارا است.

اساتید راهنما و مشاور

محمدهادی صدرالدینی، غلامحسین دستغیبی فرد، اشکان سامی

اسناد مشابه

  • تشخیص هوشمند و خودکار غلط های تایپی در پایگاه داده های بزرگ بدون استفاده از لغت نامه

    مقالهمهندسی برق دانشگاه تبریزالناز زعفرانی معطر، دانشگاه آزاد اسلامی واحد تبریز - گروه مهندسی کامپیوتر محمدرضا فیضی درخشی، دانشگاه تبریز - دانشکده مهندسی برق و کامپیوتر - گروه مهندسی کامپیوتر آزاده روحانی، دانشگاه آزاد اسلامی واحد خسروشاه - گروه مهندسی کامپیوتر

    غلط های تایپی یکی از مشکلات مهم در سیستم های کامپیوتری و سیستم های پایگاه داده ای است. وجود غلط های تایپی در پایگاه داده ها نه تنها از نظر صحت پایگاه داده مشکل ساز هستند، بلکه باعث می شوند به هنگام ضرورت نتوان رکورد واردشده را بازیابی کرد. همین امر گاه باعث می شود که کاربر مجدداً

  • کاوش الگوهای تکراری در جریان های داده بر اساس مدل پنجره لغزنده

    پایان‌نامه۲۰۱۱وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده مهندسی برق و کامپیوترمحمود دی پیر

    در مسئله کاوش الگوهای تکراری به دنبال مجموعه هایی هستیم که در تعداد قابل توجهی از تراکنش ها (رکوردها) دیده می شوند. کاوش الگوهای تکراری در جریان های داده کاربرد زیادی در صنعت، تجارت و علوم مختلف دارد. به دلیل سرعت زیاد، بی پایان بودن، حجم بالا و ماهیت تغییر کننده محتوای جریان های

  • مخفی سازی الگوهای حساس در پایگاه داده‏ ی تمایزی

    پایان‌نامه۲۰۱۴دانشگاه تربیت معلم - تهران - دانشکده فنیعلی حسینی

    جمع آوری و نگهداری حجم بزرگی از داده های مرتبط به هم در کارهای گوناگون تجاری و صنعتی این فرصت را به صاحبان داده می دهد که با به کار بستن روش های داده کاوی به تحلیل داده ها و استخراج دانش موجود در آن بپردازند و از نتایج این کار در راستای بهبود کار خود و برتری بر رقیبان بهره برداری

  • تحلیل داده پایگاه ها بررسی داده پایگاه های تهران بزرگ

    مقاله۱۹۹۸پژوهشنامه پردازش و مدیریت اطلاعاتفاطمه فهیم نیا، نادر نقشینه

    این مقاله به موضوعاتی میپردازد که ایجاد داده پایگاهی برای محدوده تهران بزرگ, مستلزم آنهاست و به ویژگیهای سودمند چنین امری نیز اشاره خاص دارد بعلاوه بر نیاز به استانداردی برای داده پایگاه ها تأکید می کند و نگاهی هم به تقویت کارآیی کارکردی این داده پایگاه دارد. این مقاله با ذکر تلا

  • کاوش قوانین انجمنی با استفاده از منطق فازی مبتنی بر خوشه بندی برای پایگاه داده فرآورده های نفتی

    پایان‌نامه۲۰۱۱وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده کامپیوتر و فناوری اطلاعاتمعصومه فضلی راد

    داده کاوی به عمل استخراج اطلاعات سودمند و دانش پنهان از پایگاه داده گفته می شود. کاوش قوانین انجمنی یکی از مهم ترین تکنیک های داده کاوی است که به استخراج الگوهای تکرار شونده از لابلای مجموعه اقلام پایگاه داده های تراکنشی با حجم بالا می پردازد و ریشه اصلی آن به تجزیه و تحلیل تعامل

  • کاوش برخط الگوهای پویای زمانی در داده های جریانی

    پایان‌نامه۲۰۱۱وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده مهندسی برق و کامپیوترعباس خسروانی

    کاوش در جریان داده فرایندی است که منجر به استخراج دانش از جریانی سریع از داده های پیوسته می شود. در سالهای اخیر، به دلیل اهمیت کاربردهای آن و پیشرفت در تکنولوژی سخت افزاری بسیار مورد توجه قرار گرفته شده است. در بسیاری از زمینه های کاربردی مانند شبکه های کامپیوتری، بازارهای مالی و