Name
Abstract | ||
|---|---|---|
Les plusieurs algorithmes pour faire la quete du0027itemsets frequents dans une base de donees dependent de la grandeur de la base de donees. Lu0027echantillonage est une facon de resoudre ce probleme. Lu0027aproximation classique du0027echantillonage a ete basee dans les limites de Chernoff et similaires. Une des alternatives proposees est celle de lu0027echantillonage on-line, qui calcule la grandeur de lu0027echantillon de facon adaptative pour chaque itemset. Mais cette technique est tres dificile du0027etre implementee si on utilise les algorithmes actuels. Dans cet article on presente differents implementations de le scheme on-line utilisant notre algorithme meilleur-du0027abord (deja presente), qui peut implementer lu0027echantillonage on-line. On compare aussi cet algorithme avec lu0027alternative batch. Lu0027algorithme final agit de maniere stable dans diferents situations. |
Year | Venue | Field |
|---|---|---|
2003 | EGC | Humanities,Sampling (statistics),Artificial intelligence,Geography |
DocType | Volume | Citations |
Conference | 17 | 1 |
PageRank | References | Authors |
0.35 | 1 | 2 |
Name | Order | Citations | PageRank |
|---|---|---|---|
| Jaume Baixeries | 1 | 99 | 12.57 |
| Gemma Casas-garriga | 2 | 46 | 3.79 |