Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Fouille de motifs basée sur la programmation par contraintes
Univ Europeenne - EAN : 9786202284721
Édition papier
EAN : 9786202284721
Paru le : 1 juil. 2018
54,90 €
52,04 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9786202284721
- Réf. éditeur : 5863599
- Editeur : Univ Europeenne
- Date Parution : 1 juil. 2018
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 128
- Format : H:229 mm L:152 mm E:8 mm
- Poids : 200gr
- Interdit de retour : Retour interdit
- Résumé : La découverte de motifs est un problème fondamental en fouille de données. Les approches basées sur la programmation par contraintes (PPC) ont prouvé leur utilité et flexibilité. En effet, la PPC est un cadre adéquat pour la fouille déclarative. Les approches actuelles posent un problème de passage à l'échelle. Nous proposons, dans la première partie de cette thèse, une contrainte globale pour capturer la sémantique de l'extraction de motifs fréquents fermés. Nous présentons un algorithme de filtrage, qui maintient la consistance de domaine en un temps et espace polynomial. Servant de cadre applicatif à la fouille de données, le test logiciel est connu pour être un processus long et coûteux. La principale préoccupation, appelée localisation de fautes, est d'identifier l'origine des défaillances. Nous proposons, une approche déclarative, basée sur la fouille de données. L'approche tire profit de l'extraction de données sous contraintes, offrant la possibilité de raisonner simultanément sur des ensembles d'instructions. L'approche tient compte des dépendances existantes, ce qui reflète la notion de motif suspect.
