Besides the dynamic programming-bas

Besides the dynamic programming-based algorithm, another divide-and-conquer-based algorithm was proposed to compute the frequent probability [28]. Unlike DP algorithm, DC divides an uncertain database, UDB, into two sub database: UDB1 and UDB2. Then, in two sub-databases, the algorithm recursively calls itself to divide the database until only one transaction left. The algorithm stops to record the probability distribution of the support of the itemset in that transaction. Finally, through the conquering part, the complete probability distribution of the itemset support is obtained when the algorithm terminates.
If DC only involves the above divide-and-conquer process, its time complexity of calculating the frequent probability of an itemset is O(N2) where N is the number of transaction in the uncertain database. However, in the conquering part, DC algorithm can use the Fast Fourier Transform (FFT) method to speed up the efficiency. Thus, the final time complexity of DC algorithm is O(NlogN). In most practical cases, DC algorithm outperforms DP algorithm according to the experimental comparisons reported in Section 4.

Kết quả (Việt) 1:

Bên cạnh các động lập trình dựa trên thuật toán, một thuật toán phân chia-và-chinh phục-dựa trên đề xuất để tính toán xác suất thường xuyên [28]. Không giống như các thuật toán DP, DC chia một cơ sở dữ liệu không chắc chắn, UDB, vào cơ sở dữ liệu hai phụ: UDB1 và UDB2. Sau đó, tại hai cơ sở dữ liệu phụ, thuật toán đệ quy cuộc gọi riêng của mình để phân chia cơ sở dữ liệu cho đến khi chỉ có một giao dịch trái. Các thuật toán dừng lại để ghi lại phân bố xác suất của sự hỗ trợ của itemset trong giao dịch đó. Cuối cùng, thông qua phần chinh phục, phân bố xác suất hoàn chỉnh của sự hỗ trợ itemset thu được khi các thuật toán chấm dứt. Nếu DC chỉ liên quan đến quá trình phân chia và chinh phục trên, phức tạp của nó thời gian tính toán xác suất thường xuyên của một itemset là O(N2) trong đó N là số các giao dịch trong cơ sở dữ liệu không chắc chắn. Tuy nhiên, trong phần chinh phục, DC thuật toán có thể dùng phương pháp nhanh Fourier Transform (FFT) để tăng tốc độ hiệu quả. Vì vậy, sự phức tạp thời gian cuối cùng của thuật toán DC là O(NlogN). Trong trường hợp thiết thực nhất, DC thuật toán nhanh hơn so với DP thuật toán theo thử nghiệm so sánh báo cáo trong phần 4.

Kết quả (Việt) 2:

Bên cạnh đó các thuật toán lập trình dựa trên năng động, một thuật toán phân chia-và-chinh phục dựa trên đã được đề xuất để tính toán xác suất thường xuyên [28]. Không giống như các thuật toán DP, DC chia một cơ sở dữ liệu không chắc chắn, UDB, vào cơ sở dữ liệu hai phụ: UDB1 và UDB2. Sau đó, trong hai tiểu cơ sở dữ liệu, thuật toán đệ quy gọi chính nó để phân chia các cơ sở dữ liệu cho đến khi chỉ có một giao dịch trái. Các thuật toán dừng để ghi lại sự phân bố xác suất của sự hỗ trợ của các tập phổ biến trong giao dịch đó. Cuối cùng, thông qua phần chinh phục, phân phối xác suất hoàn toàn của sự hỗ trợ tập phổ thu được khi thuật toán kết thúc.
Nếu DC chỉ liên quan đến quá trình phân chia-và-conquer trên, độ phức tạp thời gian của mình để tính toán xác suất thường xuyên của một tập phổ biến là O (N2 ) trong đó N là số lượng giao dịch trong cơ sở dữ liệu không chắc chắn. Tuy nhiên, ở phần chinh phục, thuật toán DC có thể sử dụng Fast Fourier Transform (FFT) để tăng tốc độ hiệu quả. Như vậy, mức độ phức tạp thời gian cuối cùng của thuật toán DC là O (NlogN). Trong trường hợp thực tế nhất, thuật toán nhanh hơn so với thuật toán DC DP theo so sánh thử nghiệm báo cáo trong Mục 4.