Consommation mémoire et puissance de calcul en fouille de motifs graduels basée sur les ordres flous multi-précisions
Dans cet article, nous proposons un cadre pour traiter
deux grands problèmes lors de l'extraction de motifs
graduels basée sur les ordres flous et sur le coefficient
de corrélation de rang gamma flou. Les problématiques
abordées sont i) la consommation mémoire et ii) la
précision, la représentation, et le stockage efficace des
degrés de concordance floue de chaque paire d'indices
(i, j) par rapport à la perte ou le gain de puissance de
calcul. Dans ce contexte, notre approche implique l'utilisation
d'une technique dédiée au traitement des matrices
creuses (afin d'éviter le stockage des valeurs zéro) et une
vaste gamme de représentations de précision variable (de
1 à 64 bits).
In this paper we introduce a framework to address
two major problems in gradual itemset mining based on
fuzzy orderings and fuzzy gamma rank correlation. The
issues addressed are : 1) the high memory consumption,
2) the precision, representation and efficient storage of
the fuzzy concordance degrees of each index pair (i,j) versus
the loss or gain of computing power. In this context,
our approach involves the use of a dedicated technique
for handling sparse matrices (in order to avoid the storage
of zero values) and a wide range of representations
of precision from 2 to 64 bits.
