Exploration de règles d'association sur des données progressives et de grande dimension

L'extraction de règles d'association joue un rôle essentiel dans de nombreuses tâches importantes d'extraction de données telles que l'extraction de motifs fréquents, les associations, les motifs séquentiels, les motifs fermés et colossaux, etc. L'augmentation exponentielle de la disponibilité d'ensembles de données progressifs et de haute dimension tels que les données de microarray et d'expression génétique avec des caractéristiques variables permet d'étudier la performance des techniques d'extraction de règles d'association pour une découverte efficace des règles. Ce livre met l'accent sur l'évaluation de la performance de la découverte de règles d'association avec les méthodes de Doubleton Pattern Mining (DPM) pour l'extraction de divers types de motifs fréquents à partir d'ensembles de données progressives de haute dimension.