Association Rule Mining using Fuzzy Spatial Data Cubes

2007 ◽  
pp. 201-224
Author(s):  
Narin Isik ◽  
Adnan Yazici
Keyword(s):  
Spatial Data ◽  
Association Rule ◽  
Association Rule Mining ◽  
Rule Mining ◽  
Data Cubes

Spatial data analysis using association rule mining in distributed environments: a privacy prospect

2018 ◽  
Vol 26 (6) ◽  
pp. 629-638 ◽  
Author(s):  
Raghvendra Kumar ◽  
Le Hoang Son ◽  
Sudan Jha ◽  
Mamta Mittal ◽  
Lalit Mohan Goyal
Keyword(s):  
Data Analysis ◽  
Spatial Data ◽  
Association Rule ◽  
Association Rule Mining ◽  
Spatial Data Analysis ◽  
Distributed Environments ◽  
Rule Mining

A novel linear assorted classification method based association rule mining with spatial data

Sadhana ◽  
2021 ◽  
Vol 46 (1) ◽  
Author(s):  
P D Sheena Smart ◽  
K K Thanammal ◽  
S S Sujatha
Keyword(s):  
Spatial Data ◽  
Association Rule ◽  
Association Rule Mining ◽  
Classification Method ◽  
Rule Mining

A Novel Market Basket Analysis Using Adaptive Association Rule Mining Algorithm

2012 ◽  
Vol 1 (4) ◽  
pp. 25-28
Author(s):  
M.Dhanabhakyam M.Dhanabhakyam ◽  
◽  
Dr.M.Punithavalli Dr.M.Punithavalli
Keyword(s):  
Association Rule ◽  
Association Rule Mining ◽  
Market Basket Analysis ◽  
Rule Mining ◽  
Market Basket ◽  
Mining Algorithm

Prediksi Code Defect Perangkat Lunak Dengan Metode Association Rule Mining dan Cumulative Support Thresholds

2015 ◽  
Vol 6 (2) ◽  
Author(s):  
Rizal Setya Perdana ◽  
Umi Laili Yuhana
Keyword(s):  
Association Rule ◽  
Association Rule Mining ◽  
Rule Mining ◽  
Program Code

Kualitas perangkat lunak merupakan salah satu penelitian pada bidangrekayasa perangkat lunak yang memiliki peranan yang cukup besar dalamterbangunnya sistem perangkat lunak yang berkualitas baik. Prediksi defectperangkat lunak yang disebabkan karena terdapat penyimpangan dari prosesspesifikasi atau sesuatu yang mungkin menyebabkan kegagalan dalam operasionaltelah lebih dari 30 tahun menjadi topik riset penelitian. Makalah ini akandifokuskan pada prediksi defect yang terjadi pada kode program (code defect).Metode penanganan permasalahan defect pada kode program akan memanfaatkanpola-pola kode perangkat lunak yang berpotensi menimbulkan defect pada data setNASA untuk memprediksi defect. Metode yang digunakan dalam pencarian polaadalah memanfaatkan Association Rule Mining dengan Cumulative SupportThresholds yang secara otomatis menghasilkan nilai support dan nilai confidencepaling optimal tanpa membutuhkan masukan dari pengguna. Hasil pengujian darihasil pemrediksian defect kode perangkat lunak secara otomatis memiliki nilaiakurasi 82,35%.

Sign in / Sign up

Export Citation Format

Share Document