EC:95131529: تفاوت میان نسخه‌ها

از OCCC Wiki
پرش به ناوبری پرش به جستجو
خط ۱۸: خط ۱۸:


== خلاصه اجرایی طرح تحقیقاتی ==
== خلاصه اجرایی طرح تحقیقاتی ==
Mining association rules in large database is one of most popular data mining techniques for business decision makers. Discovering frequent item  set  is  the  core  process  in  association  rule  mining.  Numerous algorithms  are  available  in  the  literature  to  find  frequent  patterns . Apriori and  FP-tree are the most common methods for finding frequent items.  Apriori  finds  significant  frequent  items  using  candidate generation  with  more  number  of  data  base  scans.  FP-tree  uses  two database  scans  to  find  significant  frequent  items  without  using candidate  generation.  This  proposed  T-VPI (Tree - valuable package of item sets Method)  discovers  significant frequent items by  generating  full  candidates once to form  valuable package tree with one database scan. Experimental results of T-VPI shows that this algorithm outperforms than Apriori and FP-tree to finding valuable set of items .
Mining association rules in large database is one of most popular data mining techniques for business decision makers. Discovering frequent item  set  is  the  core  process  in  association  rule  mining.  Numerous algorithms  are  available  in  the  literature  to  find  frequent  patterns . Apriori and  FP-tree are the most common methods for finding frequent items.  Apriori  finds  significant  frequent  items  using  candidate generation  with  more  number  of  data  base  scans.  FP-tree  uses  two database  scans  to  find  significant  frequent  items  without  using candidate  generation.  This  proposed  T-VPIS (Tree - valuable package of item sets Method)  discovers  significant frequent items by  generating  full  candidates once to form  valuable package tree with one database scan. Experimental results of T-VPIS shows that this algorithm outperforms than Apriori and FP-tree to finding valuable set of items .

نسخهٔ ‏۳۰ سپتامبر ۲۰۱۶، ساعت ۰۳:۲۴

دانشگاه صنعتی امیر کبیر (پلی تکنیک تهران)

مهندسی فن آوری اطلاعات - تجارت الکترونیک

ترم اول 95

پگاه عظیمی

پروژه ها

طرح کسب و کار: سامانه مدیریت و حسابداری کیف پول مجازی بانک

طرح تحقیقاتی: AN EFFICIENT DATA MINING METHOD TO FIND FREQUENT AND VALUABLE ITEM SETS IN LARGE DATABASE USING T-VPI

خلاصه اجرایی طرح کسب و کار

در راستای ارائه خدمات بانکی اینترنتی به مشتریانی که دارای حساب می باشند ، بانک می تواند با رویکرد تسهیل در امر مدیریت حساب ، هزینه های شخصی و درآمدها اقدام به ایجاد و توسعه سامانه کیف چول مجازی ، نمایید . در سامانه مدیریت کیف پول مجازی بانک با استفاده از تراکنش های بانکی که مشتریان دارند حساب انجام می دهند، می تواند هزینه های او را برآورد کند و گزارش های روزانه و ماهانه و .. ارائه دهد . مشتریان می توانند در این سامانه برای خود صندوق پس انداز ، صندوق هزینه ها (دارای زیر مجموعه صندوق پرداخت اقساط ، صندوق پرداخت قبوض ، صندوق پرداخت شارژ تلفن و یا اینتر نت .. یعنی افراد بسته به نیاز و هزینه های آنها می تواندد صندوق ایجاد شود )و صندوق خانواده و .. ایجاد کنند ، این صندوق ها در واقع یک حساب مجازی می باشد . بانک با محاسبه قسط هرماه وام که مشتری در یافت کرده است و موجودی صندوق پرداخت قسط او به او اعلام می نمایید که مبلغ y از موجودی صندوق پرداخت قسط برای پراخت قسظ شما در این ماه کم می باشد و ... این سامانه به افراد کمک می کند بعداز دریافت حقوق و یا پاداش و یا در آمد های دیگر به راحتی در آمد خود را به بهترین شکل ممکن مدیریت کرده و با برآورد هزینه ها زندگی اسوده ای را برای خودو اعضای خانواده فرآهم آورند .

خلاصه اجرایی طرح تحقیقاتی

Mining association rules in large database is one of most popular data mining techniques for business decision makers. Discovering frequent item set is the core process in association rule mining. Numerous algorithms are available in the literature to find frequent patterns . Apriori and FP-tree are the most common methods for finding frequent items. Apriori finds significant frequent items using candidate generation with more number of data base scans. FP-tree uses two database scans to find significant frequent items without using candidate generation. This proposed T-VPIS (Tree - valuable package of item sets Method) discovers significant frequent items by generating full candidates once to form valuable package tree with one database scan. Experimental results of T-VPIS shows that this algorithm outperforms than Apriori and FP-tree to finding valuable set of items .