دانلود کتاب High-Utility Pattern Mining: Theory, Algorithms and Applications
کتاب استخراج الگوی با کاربرد بالا: تئوری، الگوریتم ها و کاربردها نسخه زبان اصلی
دانلود کتاب استخراج الگوی با کاربرد بالا: تئوری، الگوریتم ها و کاربردها بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
توضیحاتی در مورد کتاب High-Utility Pattern Mining: Theory, Algorithms and Applications
نام کتاب : High-Utility Pattern Mining: Theory, Algorithms and Applications
ویرایش : 1st ed.
عنوان ترجمه شده به فارسی : استخراج الگوی با کاربرد بالا: تئوری، الگوریتم ها و کاربردها
سری : Studies in Big Data 51
نویسندگان : Philippe Fournier-Viger, Jerry Chun-Wei Lin, Roger Nkambou, Bay Vo, Vincent S. Tseng
ناشر : Springer International Publishing
سال نشر : 2019
تعداد صفحات : 343
ISBN (شابک) : 9783030049201 , 9783030049218
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 12 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
این کتاب مروری بر تکنیکهای کشف الگوهای با کاربرد بالا (الگوهای با اهمیت بالا) در دادهها ارائه میکند. انواع اصلی الگوهای کاربردی بالا و همچنین تئوری و الگوریتمهای اصلی برای استخراج الگوی با کاربرد بالا را معرفی میکند و پیشرفتهای اخیر، برنامههای کاربردی، نرمافزار منبع باز و فرصتهای تحقیقاتی را توصیف میکند. همچنین انواع مختلفی از دادههای گسسته، از جمله دادههای معاملات مشتری و دادههای متوالی را مورد بحث قرار میدهد.
این کتاب شامل دوازده فصل است که هفت فصل آن بررسیهایی است که زیرشاخههای اصلی استخراج الگوی با کاربرد بالا، از جمله استخراج مجموعه آیتمها، الگوی متوالی را ارائه میکند. کاوی، کاوی الگوی کلان داده، رویکردهای مبتنی بر فراابتکاری، الگوبرداری با حفظ حریم خصوصی و تجسم الگو. پنج فصل باقیمانده تکنیکها و کاربردهای کلیدی، مانند کشف نمایشهای مختصر و الگوهای منظم را شرح میدهند.فهرست مطالب :
Front Matter ....Pages i-viii
A Survey of High Utility Itemset Mining (Philippe Fournier-Viger, Jerry Chun-Wei Lin, Tin Truong-Chi, Roger Nkambou)....Pages 1-45
A Comparative Study of Top-K High Utility Itemset Mining Methods (Srikumar Krishnamoorthy)....Pages 47-74
A Survey of High Utility Pattern Mining Algorithms for Big Data (Morteza Zihayat, Mehdi Kargar, Jaroslaw Szlichta)....Pages 75-96
A Survey of High Utility Sequential Pattern Mining (Tin Truong-Chi, Philippe Fournier-Viger)....Pages 97-129
Efficient Algorithms for High Utility Itemset Mining Without Candidate Generation (Jun-Feng Qu, Mengchi Liu, Philippe Fournier-Viger)....Pages 131-160
High Utility Association Rule Mining (Loan T. T. Nguyen, Thang Mai, Bay Vo)....Pages 161-174
Mining High-Utility Irregular Itemsets (Supachai Laoviboon, Komate Amphawan)....Pages 175-205
A Survey of Privacy Preserving Utility Mining (Duy-Tai Dinh, Van-Nam Huynh, Bac Le, Philippe Fournier-Viger, Ut Huynh, Quang-Minh Nguyen)....Pages 207-232
Extracting Potentially High Profit Product Feature Groups by Using High Utility Pattern Mining and Aspect Based Sentiment Analysis (Seyfullah Demir, Oznur Alkan, Firat Cekinel, Pinar Karagoz)....Pages 233-260
Metaheuristics for Frequent and High-Utility Itemset Mining (Youcef Djenouri, Philippe Fournier-Viger, Asma Belhadi, Jerry Chun-Wei Lin)....Pages 261-278
Mining Compact High Utility Itemsets Without Candidate Generation (Cheng-Wei Wu, Philippe Fournier-Viger, Jia-Yuan Gu, Vincent S. Tseng)....Pages 279-302
Visualization and Visual Analytic Techniques for Patterns (Wolfgang Jentner, Daniel A. Keim)....Pages 303-337
توضیحاتی در مورد کتاب به زبان اصلی :
This book presents an overview of techniques for discovering high-utility patterns (patterns with a high importance) in data. It introduces the main types of high-utility patterns, as well as the theory and core algorithms for high-utility pattern mining, and describes recent advances, applications, open-source software, and research opportunities. It also discusses several types of discrete data, including customer transaction data and sequential data.
The book consists of twelve chapters, seven of which are surveys presenting the main subfields of high-utility pattern mining, including itemset mining, sequential pattern mining, big data pattern mining, metaheuristic-based approaches, privacy-preserving pattern mining, and pattern visualization. The remaining five chapters describe key techniques and applications, such as discovering concise representations and regular patterns.