Extraction de motifs graduels clos
Texte intégral
Documents relatifs
Ils montrent également que les traditionnelles structures de données à base de pointeurs sont mal adaptées pour l’extraction parallèle de motifs fréquents sur CMP, à cause de
Dans ce papier, nous montrons que, sans la prise en compte de la contrainte de temporalité entre les objets de la base de données, les sémantiques proposées dans les algorithmes
Toutes ces méthodes ne permettent pas de traiter efficacement des données géo- graphiques complexes, avec des objets géographiques liés entre eux et à différentes échelles.
L’approche que nous présentons dans cet article prend en entrée une base de séquences valuées partiellement ordonnées sous la forme d’une base de graphes orientés étiquetés
Nous proposons dans cette section une description formelle de la notion de contexte, et définissons les notions nécessaires pour appréhender les motifs séquentiels contextuels..
fois des vérifications vers l’avant et l’arrière pour déterminer si une séquence fréquente est close, nous pouvons supposer que lorsque les données examinées sont éparses
Si on considère qu’on introduit un attribut par modalité, créant par exemple les attributs vitesseNormale et vi- tesseElevée, qui prend pour valeurs les degrés d’appartenance
L’algorithme appelé RecursiveCorvering dans [6] décrit le calcul récursif de la distance maximale entre un noeud donné et une feuille quelconque.. Cet algorithme prend en entrée
