ارزيابي عملكرد الگوريتم FIN در كشف اقلام مكرر

استخراج اقلام مكرر (FIM) يكي از بنيادي ترين تكنيك هاي داده كاوي با كاربردهاي فراواني در زمينه هاي مختلف مي باشد. از زمان ارائه ي مسئله ي استخراج اقلام مكرر ، الگوريتم هاي متعددي براي آن پيشنهاد شده است، اما محققان همچنان به دنبال روشهاي كاراتر براي حل اين مسئله هستند كه نسبت به روشهاي قبل مقياس پذيرتر باشند. بنابراين انتخاب الگوريتم مناسب براي هر كاربرد، نيازمند در نظر گرفتن پارامترهاي متعددي از جمله اندازه مجموعه داده و تراكم داده ها است. در اين مقاله، سعي شده است الگوريتم FIN كه الگوريتم جديدي براي اين مسئله است، بر روي مجموعه داده هاي مختلف ارزيابي شود. FIN روشي مبتني بر ليست است كه مجموعه هاي مكرر را با استفاده از يك ساختار ليست، يك درخت شمارش و استراتژي جستجو ي تركيبي پيدا مي كند و نيازي به توليد مجموعه هاي كانديد ندارد. در اين مقاله الگوريتم FIN را از نظر زمان اجرا و حافظه مصرفي با سه الگوريتم prePost+، Relim و HMine مقايسه كرده ايم.