The experimental results from Figur

The experimental results from Figure 1 to Figure 8 indicate that runtime of iMEFIM algorithm is faster than MUP-Growth+, MFHM, MHUP algorithms. Besides that, iMEFIM is only better than MEFIM sparse datasets such as BMS-POS, Foodmart, Kosarak, Retail, T10I4D100K, T40I10D100K on execution time, and with dense dataset, it's faster or slower than there depended on input threshold, example with Chess and Pumsb (Figures 2 and 5).

Kết quả (Việt) 1:

Các kết quả thử nghiệm từ hình 1 con số 8 chỉ ra rằng thời gian chạy của iMEFIM thuật toán là nhanh hơn so với MUP-tăng trưởng +, MFHM, MHUP các thuật toán. Bên cạnh đó, iMEFIM chỉ là tốt hơn so với MEFIM datasets thưa thớt như BMS-POS, Foodmart, Kosarak, bán lẻ, T10I4D100K, T40I10D100K trên thời gian thực hiện, và với số liệu dày đặc, nó là nhanh hơn hoặc chậm hơn so với không phụ thuộc vào đầu vào ngưỡng, ví dụ với cờ tướng và Pumsb (con số 2 và 5).

Kết quả (Việt) 2:

Các kết quả thực nghiệm từ Hình 1 Hình 8 chỉ ra rằng thời gian chạy của thuật toán iMEFIM nhanh hơn MUP-Tăng trưởng +, các thuật toán MFHM, MHUP. Bên cạnh đó, iMEFIM chỉ là tốt hơn so với MEFIM bộ dữ liệu thưa thớt như BMS-POS, Foodmart, Kosarak, bán lẻ, T10I4D100K, T40I10D100K về thời gian thực hiện, và với bộ dữ liệu dày đặc, nó nhanh hơn hoặc chậm hơn so với có phụ thuộc vào ngưỡng đầu vào, ví dụ với cờ vua và Pumsb (Hình 2 và 5).