Enhanced SPAM pour l’extraction des motifs séquentiels
| dc.contributor.author | OUCHENE, Sofiane | |
| dc.date.accessioned | 2021-12-06T07:35:18Z | |
| dc.date.available | 2021-12-06T07:35:18Z | |
| dc.date.issued | 2021 | |
| dc.description.abstract | Le data mining désigne le processus d’analyse de volumes massifs de données et du Big Data sous différents angles afin d’identifier des relations entre les data et de les transformer en informations exploitables. Ce mémoire présente la nouvelle approche basée sur l’algorithme SPAM qu’utilise une méthode de parcours en profondeur pour le but d’optimisé le temps d’exécution et la consommation de la mémoire. Mots-clés : fouille de données, motifs séquentiels, extraction des motifs séquentiel, SPAM Abstract: Data mining refers to the process of analyzing massive volumes of data and Big Data from different angles in order to identify relationships between data and transform them into actionable information. This paper presents a new approach based on the SPAM algorithm that uses a deep traversal method to optimize execution time and memory consumption. Keywords: data mining, sequential patterns, sequential patterns mining, SPAM ملخص : التنقيب عن البيانات هو عملية تحليل كميات هائلة من البيانات والبيانات الضخمة من زوايا مختلفة لتحديد العلاقات بين البيانات وتحويلها إلى رؤى قابلة للتنفيذ. تقدم هذه البحث النهج الجديد القائم على خوارزمية ) SPAM ( التي تستخدم طريقة المسح العميق لغرض تحسين وقت التنفيذ واستهلاك الذاكرة. الكلمات المفتاحية: التنقيب عن البيانات ، الأنماط المتسلسلة ، الاستخراج الأنماط المتسلسلة ، الرسائل الاقتحامية ) SPAM | en_US |
| dc.identifier.issn | MM/627 | |
| dc.identifier.uri | http://10.10.1.6:4000/handle/123456789/1413 | |
| dc.language.iso | fr | en_US |
| dc.publisher | Université Mohamed El Bachir El Ibrahimi - Bordj Bou Arréridj Faculté des Mathématiques et d’informatique | en_US |
| dc.subject | fouille de données, motifs séquentiels, extraction des motifs séquentiel, SPAM | en_US |
| dc.title | Enhanced SPAM pour l’extraction des motifs séquentiels | en_US |
Files
Original bundle
1 - 1 of 1
- Name:
- MFD-M2-DEC imp.pdf
- Size:
- 2.32 MB
- Format:
- Adobe Portable Document Format
- Description:
- Dans le cadre de ce mémoire de fin d’étude on a implémenté une nouvelle approche nommé E-SPAM basé sur l’algorithme SPAM utilisant la récursivité pour le but d’optimisé le temps d’exécution et la complexité mémoire et nous avant montré la supériorité de notre approche par rapport à l’algorithme SPAM au terme de temps et la consommation de la mémoire. Lors de ce travail nous avant présenté la notion de data mining qui représente le processus d’analyse de volumes massifs de données et du Big Data sous différents angles afin d’identifier des relations entre les data et de les transformer en informations exploitables, les déférents tâches de data mining et les techniques qui peuvent être appliqué pour accomplir ces tâches. Par la suite nous avant présenter le domaine extraction des motifs séquentiels et les déférent catégories des algorithmes de ce domaine et quelque algorithme dans chaque catégorie des exemples explicatif et leurs pseudo algorithme. Et présentation de notre nouvelle approche E-SPAM avec une explication de la modification qu’on a fait sur l’algorithme SPAM avec son pseudo Algorithme et une comparaison entre les deux algorithmes avec déférant base de données de séquence qui montre la supériorité de notre algorithme sur le terme de temps et la consommation de la mémoire. A partir des points que nous avons étudier, nous pouvons dire que le domaine du data mining est capable d'évoluer et riche en sujets de recherche qui attend quelqu’un qui vient relever ses défis.
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed to upon submission
- Description: