Résumé:
À la fin de cette recherche, nous avons découvert et implémenté deux
approches nommés PFP et SPP Growth et qui sont destinés à fouiller les
motifs fréquents-périodiques et fréquents-périodiques stables respectivement.
Ce travail nous a permis d’étudier et comprendre deux approche de la
fouille de données et précisément de recherche des motifs, ce qui nous a
permis d’approfondir nos connaissance dans ce domaine.
D’après les expérimentaux que nous avons fait, nous pouvons dire que
l’extraction des motifs périodiques fréquents stables est très importante et
peut avoir des applications intéressantes dans la vie réelle.
Cette expérience nous a ouverts des perspectives pour des travaux futurs.
D’abord, nous souhaitons enrichir notre base des crimes et délits BCD
et obtenir un volume important de données qui nous permet de faire une
analyse plus fine et donner plus de crédibilités à nos résultats. Ces résultats
peuvent considérablement aider les autorités de police à prendre des décisions
stratégiques et importante pour lutter contre les crimes et délits.
Plus généralement, nous souhaitons approfondir nos connaissances sur les
algorithmes de prédiction, qui permettent d’aider à la prise de bonnes
décisions au bons moments pour empêcher certain problèmes à se produire
ou augmenter une chance d’atteindre certains objectifs dans le futur.
Néanmoins les résultats de ce modeste travail constituent les bases d’un
