3.3.3 Normal Distribution based UHM

3.3.3 Normal Distribution based UHMine
According to the discussion in Section 3.3.1, we can conclude that the UH-mine usually outperforms other expected support-based algorithms in sparse uncertain databases. Moreover, the Normal distribution-based approximation algorithm can acquire the high quality approximate frequent probability. Due to the merits of both the UH-mine and Normal distribution approximation, we propose a novel algorithm, NDUH − Mine which integrates the framework
of UH-Mine and the Normal distribution approximation in order to achieve a win-win partnership in sparse uncertain databases. Compared to UH-Mine, we calculate the variance of each itemset when UH-Mine obtains the expected support of each itemset. In Section 4, we can observe that
NDUH-Mine has a better performance than NDUApriori on large sparse uncertain data, which confirms our goal.

Kết quả (Việt) 1:

3.3.3 bình thường phân phối dựa trên UHMineTheo các cuộc thảo luận trong phần 3.3.1, chúng tôi có thể kết luận rằng UH-mỏ thường nhanh hơn so với khác dự kiến sẽ hỗ trợ dựa trên thuật toán trong cơ sở dữ liệu không chắc chắn thưa thớt. Hơn nữa, các thuật toán xấp xỉ dựa trên phân phối bình thường có thể có được xác suất thường xuyên gần đúng chất lượng cao. Do những thành tích của chiếc UH-mỏ và xấp xỉ phân phối bình thường, chúng tôi đề xuất một thuật toán mới lạ, NDUH − tôi mà tích hợp khuôn khổUH-mỏ và xấp xỉ phân phối bình thường để đạt được một win-win quan hệ đối tác trong cơ sở dữ liệu không chắc chắn thưa thớt. Chúng tôi so sánh với chiếc UH-mỏ, tính toán phương sai của itemset mỗi khi chiếc UH-tôi lấy được sự hỗ trợ dự kiến của mỗi itemset. Trong phần 4, chúng tôi có thể quan sát màNDUH-tôi có một hiệu suất tốt hơn so với NDUApriori lớn dữ liệu không chắc chắn thưa thớt, mà khẳng định mục tiêu của chúng tôi.

Kết quả (Việt) 2:

3.3.3 Phân phối Bình thường dựa UHMine
Theo các cuộc thảo luận trong phần 3.3.1, chúng ta có thể kết luận rằng các UH-tôi thường nhanh hơn so với thuật toán hỗ trợ dựa trên kiến khác trong cơ sở dữ liệu không chắc chắn thưa thớt. Hơn nữa, các thuật toán xấp xỉ phân phối dựa trên thông thường có thể có được chất lượng cao xấp xỉ xác suất thường xuyên. Do những thành tích của cả UH-mỏ và xấp xỉ phân phối bình thường, chúng tôi đề xuất một thuật toán mới, NDUH - Mine đó tích hợp các khuôn khổ
của UH-Mine và xấp xỉ phân phối bình thường để đạt được một win-win hợp tác trong cơ sở dữ liệu không chắc chắn thưa thớt . So với UH-Mine, chúng tôi tính toán phương sai của mỗi tập phổ biến khi UH-Mine có được sự hỗ trợ dự kiến của mỗi tập phổ biến. Ở phần 4, chúng ta có thể quan sát rằng
NDUH-Mỏ có hiệu suất tốt hơn so với NDUApriori trên lớn dữ liệu không chắc chắn thưa thớt, trong đó khẳng định mục tiêu của chúng tôi.