Assoziationsregel-Mining auf progressiven und hochdimensionalen Daten

Association Rule Mining spielt eine wichtige Rolle bei vielen bedeutenden Data-Mining-Aufgaben wie dem Mining häufiger Muster, Assoziationen, sequenzieller Muster, geschlossener und kolossaler Muster usw. Die exponentielle Zunahme der Verfügbarkeit von fortschrittlichen und hochdimensionalen Datensätzen wie Microarray- und Genexpressionsdaten mit unterschiedlichen Merkmalen ermöglicht die Untersuchung der Leistung von Assoziationsregel-Mining-Techniken für eine effiziente Regelentdeckung. Dieses Buch legt den Schwerpunkt auf die Bewertung der Leistung der Entdeckung von Assoziationsregeln mit Doubleton Pattern Mining (DPM)-Methoden zur Gewinnung verschiedener Arten von häufigen Mustern aus hochdimensionalen progressiven Datensätzen.

Autorentext

El Dr. K Prasanna se doctoró en CSE por la JNTU-Hyderabad y actualmente trabaja como profesor asociado en CSE, AITS, Rajampet. Sus intereses de investigación son la minería de datos, la inteligencia artificial, el aprendizaje automático y la ciencia y el análisis de datos. Ha recibido una beca del AICTE y ha dirigido 2 doctorados. Es autor de 2 libros y ha publicado varios artículos.