Recherche des motifs fréquents périodiques à partir d’une base de données transactionnelle

Abstract

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