在交易資料庫中利用頻繁樣式來找出離異交易之研究

ASIA unversity > 資訊學院 > 會議論文 > Item 310904400/7186

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://asiair.asia.edu.tw/ir/handle/310904400/7186

题名:	在交易資料庫中利用頻繁樣式來找出離異交易之研究
作者:	李建億;林吟美
贡献者:	國立臺南大學數位學習科技學系
关键词:	異常探勘;關聯法則探勘;類別資料;Outlier detection;Association rules;Categorical data
日期:	2007-12-20
上传时间:	2010-01-12 08:23:42 (UTC+0)
出版者:	亞洲大學資訊學院;中華電腦學會
摘要:	在一個資料庫裡，異常是指特性相異於其他資料的資料點。偵測出這些異常在許多應用中是很重要的。大部分傳統異常探勘的資料屬性都著重在數值屬性，但是現實生活中有很多類別屬性的資料，所以傳統的異常探勘方法就不適合使用。FindFPOF (frequent pattern outlier factor)演算法是利用頻繁項目集找出異常交易，但是FindFPOF會產生出許多頻繁樣式集。我們的目的是找出異常而不是在找出頻繁樣式，因此，本論文提出減少頻繁項目集(reduce frequent pattern set ; Rfp)來找出異常交易的方法，稱之為RfpFPOF。實驗結果顯示本論文所提出的方法在類別資料庫中發現異常交易的效能優於FindFPOF。An outlier in a database is an observation or a point that is considerably dissimilar to or inconsistent with the remainder of the data. Outlier detection is very import for many applications. Most existing methods are designed for numeric data. They will have problems with real-life applications that contain categorical data. In order to solve this problem, some scholars propose the FindFPOF (Frequent Pattern Outlier Factor) algorithm to detect outliers from discovered frequent patterns. However, FindFPOF generates too many frequent patterns. The purpose of this study is to identify outlier not to find frequent patterns. Therefore, in this study, we present an efficient method to detect outliers by reducing the number of frequent patterns, called the reduce frequent pattern FPOF (RfpFPOF) algorithm. The experimental results have shown that RfpFPOF outperformed the FindFPOF method on identifying outliers execution time.
關聯:	2007NCS全國計算機會議 12-20~21
显示于类别:	[資訊學院] 會議論文

文件中的档案:

档案	大小	格式	浏览次数
2078.pdf	203Kb	Adobe PDF	727	检视/开启

在ASIAIR中所有的数据项都受到原著作权保护.

数据加载中.....