Association rule mining using treap

Anand, H. S.; Vinodchandra, S. S.

doi:10.1007/s13042-016-0546-7

Cited by 19 publications

(4 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Büyük veri analitiği, veriler arasındaki korelasyonları belirlemek amacıyla büyük hacimli veriyi inceler [6]. Örneğin veri madenciliği teknikleri ile Japonya'da bir eczanede satılan ürünler arasındaki birliktelik kuralları belirlenmiştir.…”

Section: Veri Madenciliği Ve Birliktelik Kurallarıunclassified

Analysis of Health Indicators by Association Rules

Köse

2022

Eskişehir Türk Dünyası Uygulama Ve Araştırma Merkezi Bilişim Dergisi

View full text Add to dashboard Cite

Veri Madenciliği, büyük veri tabanlarından faydalı bilgileri keşfetmek için kullanılan bir tekniktir. Günümüzde veriden elde edilen bilginin değeri ile veri madenciliği alanına ilgi artmıştır. Veri madenciliği tekniklerinden biri de birliktelik kurallarıdır. Sağlık göstergeleri sağlık ve sosyal boyutu ile birçok çalışmanın temel parametreleridir. Bu çalışma ile ulusal literatürde son 10 yıl içerisinde sağlık göstergelerinin kullanıldığı araştırmalar değerlendirilmiştir. Araştırmalarda sağlık göstergeleri olarak sağlık harcamaları, sağlık statüsü, sağlık kurumu ve sağlık çalışanı parametreleri gruplandırılmıştır. Belirlenen birliktelik kurallarına göre tekli türetilen kuralların ikili ve üçlü türetilen birliktelik kurallarına göre daha yüksek güven ve destek değerine sahip oldukları belirlenmiştir. Bu araştırmanın gelecek araştırmalarda kullanılacak parametrelerin seçiminde araştırmacılara yol göstereceği düşünülmektedir

show abstract

Section: Veri Madenciliği Ve Birliktelik Kurallarıunclassified

Analysis of Health Indicators by Association Rules

Köse

2022

Eskişehir Türk Dünyası Uygulama Ve Araştırma Merkezi Bilişim Dergisi

View full text Add to dashboard Cite

show abstract

“…We collect the vector of probabilities exchanged in many scenarios to build a dataset. We extract general association rules from the messages exchanged by analyzing the messages for frequent patterns in order to identify the relationships for rule generation [13]. Let Ims be the set of all possible items Ims = { i 1 :Incident , i 2 :Workzone, i 3 :Weather, i 4 : Special Event, i 5 : Recurrent}.…”

Section: Data Association Techniquementioning

confidence: 99%

Cooperative Evaluation of the Cause of Urban Traffic Congestion via Connected Vehicles

Mallah

Quintero

Farooq

2020

IEEE Trans. Intell. Transport. Syst.

View full text Add to dashboard Cite

We developed a distributed data mining system to elaborate a decision concerning the cause of urban traffic congestion via emerging connected vehicle (CV) technology. We observe this complex phenomena through the interactions between vehicles exchanging messages via Vehicle to Vehicle (V2V) communication. Results are based on real-time simulation generated scenarios extended from the realworld traffic Travel and Activity PAtterns Simulation (TAPAS) Cologne scenario. We evaluate a Voting Procedure (VP) useful for obtaining deeper insights using cooperation between vehicles, Belief Functions (BF) aim at improving representation of information and a Data Association Technique (DAT) aiming at data mining and extracting the association rules from the messages exchanged. Methods are tested and compared using a microscopic urban mobility simulator, SUMO and a network simulator, ns-2, for the simulation of communication between CVs. Compared to the Back-Propagation algorithm (BP) extensively used in the past literature, our performance evaluation shows that the proposed methods enhance the estimation of the cause of congestion by 48% for the proposed VP, 58% for the BF, 71% for the DAT and 70% for β-DAT. The methods also enhance detection time from 7.09% to 10.3%, and β-DAT outperforms BP by approximately 1.25% less false alarms triggered by the network, which can be significant in the context of real-time decision making. We show that a market penetration rate between 63% and 75% is enough to ensure satisfactory performance.

show abstract

“…A maioria dos artigos que utilizaram árvores, o fizeram na fase de extração (ANAND; VINODCHANDRA, 2018;SHEU, 2018;GAO et al, 2017b;SHA, 2017;OLIINYK et al, 2017;TURGEMAN;SCIULLI, 2017;MONDAL;BHATTA-CHARYA;MONDAL, 2016;WEN;ZHONG;WANG, 2015;NIRMALA;PALANISAMY, 2013). As árvores foram utilizadas como estrutura base, nas quais os nós eram os itemsets frequentes e as regras eram obtidas percorrendo a árvore.…”

Section: Resultsunclassified

“…Nas tarefas de análise exploratória vários tipos de Redes foram utilizadas, bem como a forma na qual cada uma delas se apresentou ANAND;VINODCHANDRA, 2018;SU, 2017;Özgür Cingiz;BIRICIK;DIRI, 2017;KIM et al, 2017;INDHUMATHY;NABHAN;ARUMUGAM, 2017;CAI et al, 2017;NAMAKI et al, 2017;SHA, 2017;ADARICHEVA;NATION, 2017;SHIN, 2017;GAO et al, 2017b;SHAHMOHAMMADI;KHADANGI;BAGHERI, 2016;BELYI et al, 2016;SHEN, 2016;XU, 2016;WILKE et al, 2016;DASGUPTA;SAHA, 2016;RAWAT et al, 2016;ABAY;MUTLU;KARAGOZ, 2016;DU et al, 2015;YANG, 2015;HENDRICKX et al, 2015;NADI et al, 2014;RANJAN;VAISH;COULL, 2014;ZHAI;PEDRYCZ, 2012;MORE et al, 2011;VEDULA;THATAVARTI, 2011).…”

Section: Resultsunclassified

Redes de regras de associação filtradas e multialvo

Calçada¹

View full text Add to dashboard Cite

Este trabalho é dedicado à minha família em todos os planos da vida AGRADECIMENTOS Agradecimentos são sempre feitos de forma simples e direta citando nomes e elementos de uma forma geral que contribuíram com este trabalho. Farei um pouco diferente, pois são nas diferenças que percebemos o quanto a nossa vitória realmente compensou.Dizer que agradeço a Deus é muito pouco diante de tamanha dívida que possuo com o criador. Graças a Ele, tive e tenho a oportunidade de usufruir de uma reencarnação repleta de aprendizados, sendo a conclusão deste trabalho de grande importância em minha vida. Não tendo realmente outras palavras, simplesmente digo OBRIGADO SENHOR! Muito mais que uma orientadora, uma amiga e quase uma mãe, acima de tudo alguém que confiou em mim, no meu potencial. Ela me motivou desde o início, mesmo antes de saber que seria minha orientadora, e continua me inspirando a seguir firme, em frente, e a sempre "defender meu cinturão" após o doutorado. Prof a Solange Rezende, obrigado pela veracidade e pelo norteamento de minha vida acadêmica e pessoal, tornando-me um cientista da computação de verdade e um ser humano melhor.Agradecer a todos que contribuíram diretamente com os experimentos e estudos. Meu amigo Renan pelo tempo compartilhado em várias conversas e debates nos estudos de Mineração de Regras de Associação. Minhas "protetoras" Ivone, Roberta e Camila que me auxiliaram em tantas oportunidades, não só com orientações e sugestões sobre o trabalho, mas também sobre aspectos de minha vida pessoal.Agradecer aos demais membros da equipe SOL que tive o prazer de conviver. João Antunes, Ricardo Scheicher, Ricardo Marcacini, Vítor e Dildre, além dos outros que contribuíram bastante comigo, mesmo sem saber. Agradecer a todos do LABIC, na pessoa dos professores Alneu e Gustavo, e de todos seus orientandos, por me acolherem tão bem e me ensinarem que para crescer profissionalmente a gente DEVE compartilhar.Meu muito obrigado aos professores do Programa de Pós-graduação em Ciências da Computação e Matemática Computacional da USP em São Carlos pela paciência a mim direcionada e pelas disciplinas fundamentais em minha formação, destaco o Professor Cláudio Toledo que se tornou um parceiro de pesquisa e um amigo para o resto da vida. A todos os funcionários da USP que eu tanto "perturbei", muito obrigado! Emano gratidão a todos que coordenaram esse programa durante a minha passagem, em especial ao professor Ades que muitas vezes pareceu que estava atendendo a um parente próximo bem querido quando eu a ele me dirigia para tirar dúvidas e principalmente pedir ajuda. Ajuda que nunca foi negada.Às vezes agradecemos pela realização de sonhos, principalmente àqueles que nem sabíamos que poderiam ser realizados, por isso agradeço à UESPI e à USP-São Carlos por possibilitarem que eu fizesse um doutorado na melhor Universidade da América Latina, e ainda com nota 7 da CAPES, algo inimaginável para mim.Agradecimento a todos os meus colegas de DINTER, que mesmo sem a possibilidade de convivermos durante todo o processo do douto...

show abstract

Association rule mining using treap

Cited by 19 publications

References 13 publications

Analysis of Health Indicators by Association Rules

Analysis of Health Indicators by Association Rules

Cooperative Evaluation of the Cause of Urban Traffic Congestion via Connected Vehicles

Redes de regras de associação filtradas e multialvo

Contact Info

Product

Resources

About