Leistungsanalyse von Algorithmen zur Auswertung von Assoziationsregeln

Assoziationsregel-Mining-Techniken sind ein wichtiger Teil des Data Mining, um Beziehungen zwischen Attributen großer Datenbanken abzuleiten. Assoziationsbezogenes Regel-Mining hat bei Forschern großes Interesse geweckt, da sich damit viele anspruchsvolle Probleme lösen lassen. Es wurden zahlreiche Algorithmen entdeckt, um Assoziationsregeln effektiv abzuleiten. Es wurde festgestellt, dass nicht alle Algorithmen in allen Szenarien ähnliche Ergebnisse liefern können, daher ist es wichtig, diese Vorteile zu entschlüsseln. Dabei wurden Assoziationsregel-Mining-Algorithmen analysiert und ein Vergleich dieser Algorithmen anhand verschiedener Datensätze und verschiedener Parameter experimentell durchgeführt.

Autorentext

Sandeep Pratap Singh erhielt seinen B.E.- und M.Tech-Abschluss in CSE. Derzeit arbeitet er als Assistenzprofessor (SG) an der School of Computer Science, UPES, Dehradun, Indien. Seine Forschungsinteressen liegen in den Bereichen Data Mining, Betrugserkennung und biomedizinische Bildverarbeitung. Er hat 3 Bücher und zahlreiche Beiträge in Konferenzen und Fachzeitschriften veröffentlicht.