3.1 Expected Supportbased Frequent

3.1 Expected Supportbased Frequent Algorithms
In this subsection, we summarize three the most representative expected support-based frequent itemset mining algorithms: UApriori [17, 18], UFP −growth [22], UH −Mine [4]. The first algorithm is based on the generate-and-test framework employing the breath-first search strategy. The other two algorithms are based on the divide-and-conquer framework which uses the depth-first search strategy. Although Apriori algorithm is slower than the other two algorithms in deterministic databases, UApriori which is the uncertain version of Apriori, actually performs rather well among the three algorithms and is usually the fastest one in dense uncertain datasets based on our experimental results in Section 4. We further explain three algorithms in the following subsections and Section 4.

Kết quả (Việt) 1:

3.1 thuật toán thường xuyên dự kiến sẽ SupportbasedTrong tiểu mục này, chúng tôi tóm tắt ba thuật toán đại diện nhất khai thác mỏ dự kiến sẽ dựa trên hỗ trợ thường xuyên itemset: UApriori [17, 18], UFP −growth [22], UH −Mine [4]. Các thuật toán đầu tiên dựa trên khuôn khổ tạo và thử nghiệm sử dụng chiến lược tìm kiếm theo hơi thở. Các thuật toán hai khác được dựa trên khuôn khổ phân chia và chinh phục mà sử dụng chiến lược tìm kiếm theo chiều sâu. Mặc dù Apriori thuật toán là chậm hơn so với các thuật toán hai khác trong cơ sở dữ liệu xác định, UApriori là phiên bản không chắc chắn của Apriori, thực sự thực hiện khá tốt trong các thuật toán ba và thường là một trong những nhanh nhất ở dày đặc datasets không chắc chắn dựa trên các kết quả thử nghiệm trong phần 4. Chúng tôi tiếp tục giải thích các thuật toán ba trong các phần phụ và phần 4.

Kết quả (Việt) 2:

3.1 Dự kiến Supportbased thuật toán thường xuyên
Trong tiểu mục này, chúng tôi tóm tắt các thuật toán ba đại diện nhất dự kiến hỗ trợ dựa trên khai thác tập phổ biến: UApriori [17, 18], UFP -growth [22], UH -Mine [4]. Thuật toán đầu tiên được dựa trên khung tạo-và-kiểm tra sử dụng các chiến lược tìm kiếm hơi thở đầu tiên. Hai thuật toán khác được dựa trên khung divide-and-conquer trong đó sử dụng các chiến lược tìm kiếm theo chiều sâu. Mặc dù thuật toán Apriori là chậm hơn so với hai thuật toán khác trong cơ sở dữ liệu xác định, UApriori đó là phiên bản không chắc chắn của Apriori, thực sự thực hiện khá tốt giữa ba thuật toán và thường là một trong những nhanh nhất trong các tập dữ liệu không chắc chắn dày đặc trên cơ sở kết quả thực nghiệm của chúng tôi trong phần 4. Chúng tôi tiếp tục giải thích ba thuật toán trong các phần phụ và mục 4 sau đây.