Išplėstinė paieška
 
 
 
Pradžia>Informatika>Dažnų sekų paieškos tikimybinio algoritmo tyrimas
   
   
   
naudingas 0 / nenaudingas 0

Dažnų sekų paieškos tikimybinio algoritmo tyrimas

  
 
 
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475
Aprašymas

Apžvalga. Įžanga. Teorinė dalis. Pagrindinės sąvokos. Dažnų rinkinių (sekų, fragmentų) paieška. Algoritmų apžvalga. Apriori algoritmas. AprioriTid algoritmas. ECLAT algoritmas. Tiesioginės paieškos algoritmas. GSP algoritmas. Rekursinis algoritmas. Tikimybinis algoritmas. Praktinė dalis. Testinės duomenų bazės. Eksperimentai. Išvados. Literatūros sąrašas. Santrauka. Summary. Priedai (Programos kodas Pascal programavimo kalba. Programos, sukurtos Delphi programavimo kalba, kodas).

Ištrauka

Pasaulis skęsta informacijos gausoje


Dar prieš 15 metų galėjai nemažai ką nustebinti turėdamas namuose asmeninį kompiuterį, kuriame sukosi 66 Mhz procesorius, turinti 8 MB operatyvios atminties ir 20 – 40 MB dydžio kietąjį diską, į kurį talpindavome įvairią mus dominančią informaciją. Šiais laikais mažai jau ką nustebinsi turėdamas pažangiausios technikos prikimštą asmeninį kompiuterį, kuriame suktųsi 3.0 Ghz procesorius, turėtų 1 GHz operatyvios atminties, ir kuriame būtų įdėtas 200 GB kietasis diskas, kuriame pradedame saugoti ne tik mums būtiniausią informaciją, tačiau ir visokį "šlamštą".
Taigi, šiuolaikiniame technologijų ir informacijos pasaulyje sunku jau ką nustebinti gaminant kuo mažesnius įrenginius su kuo didesnėmis galimybėmis juos panaudojant. Kalbant apie kietuosius diskus jau yra skelbiama, kad juose bus galima sutalpinti terra baitų (TB) informacijos. Ar galėtume mes dabar įsivaizduoti, kiek ir kokios informacijos mes galėtume įrašyti į tuos kelis terra baitus?
Įrašyti, kaupti ir saugoti informaciją sugebėsime gan lengvai ir greitai – tai leis naujausios kuriamos technologijos. Tačiau kaip greitai ir kokybiškai mes galėsime skaityti, analizuoti ir tirti visą įrašytą informaciją savo poreikiams? Šioje srityje ir atsiranda galimybės ieškoti naujų būdų, naujų algoritmų, kuriais galėtume apdoroti visą sukauptą informaciją ir nustebinti savo išradimais visus kitus.
Kiekvieną dieną mes sužinome kažką naujo – automatiškai tai yra užfiksuojama mūsų smegenyse, kuriose ir pradedame kaupti informaciją. Kad po kurio laiko naujos įgautos informacijos nepamirštume, kad ja galėtų pasinaudoti mūsų vaikai, bendraminčiai, kiti žmonės, tam mes informaciją perrašome į kitas turimas informacijos laikmenas (popieriaus lapą, knygą, telefoną, kompiuterį ir kt.). Tokiu ir kitais panašiais būdais yra sukaupiama labai daug informacijos. Kad ji netaptų bereikšmė ir kad ateityje būtų lengviau ją rasti yra kuriama daug būdų jai apdoroti, susisteminti.
Savo darbe pabandysiu paanalizuoti vieną iš informacijos apdorojimo būdų, kuriuo mes duomenis susistemintume pagal jų pasikartojimų dažnumą. Kyla klausimas, ar tikrai reikalingas toks informacijos sisteminimas?
Bet koks informacijos apdorojimas, susisteminimas ateityje tik padės kiekvienam greičiau ir lengviau surasti reikalingą ieškomą informaciją, duomenis. Pagal atliktus tam tikrus informacijos apdorojimo metodus galėsime daryti daug įvairių išvadų, kuriomis remdamiesi galėsime pateikti daug ir įvairių kitų pasiūlymų kaip vieną ar kitą dalyką patobulinti.
Kodėl mes apsiimam analizuoti būtent šią, duomenų (informacijos) dažnumo problemą? Informacija yra kaupiama daug ir visur. Dažnai tenka ją analizuoti įvairiais aspektais, kad vėliau galėtume patobulinti vieną ar kitą sritį, kurioje būtent figūruoja mūsų analizuojama informacija.
Internetiniai puslapiai – juos aplanko daugybė žmonių iš viso pasaulio. Dažnai yra kaupiama tam tikra informacija apie kiekvieną apsilankiusįjį vartotoją. Iš sukauptų duomenų mes galime sužinoti mus dominančią konkrečią informaciją – tarkim iš kokio pasaulio krašto dažniausiai, ar daugiausiai aplanko mūsų internetinį puslapį. Vėliau, pagal gautus išanalizuotos informacijos duomenis mes galėsime savo puslapį patobulinti pagal tų vartotojų poreikius (pvz.: įdėsime daugiau aktualios medžiagos konkretiems vartotojams).
Kitas pavyzdys – mokėjimo ar kreditinės kortelės, kuriomis vartotojai atsiskaito įvairiose įstaigose. Pavyzdžiui, išanalizavus sukauptą informaciją sužinome, kad X įstaigoje dažniausiai atsiskaitoma Y banko mokėjimo – kreditinėmis kortelėmis. Norėdami vartotojams pagerinti aptarnavimo kokybę šalia minėtos įstaigos įrengiame minėto banko bankomatą. Galimas ir kitas variantas – norėdami pagerinti kitų kortelių atsiskaitymo reitingus, rengiame įvairias akcijas, kuriomis darytume tam tikrą įtaką, kad vartotojai atsiskaitinėtų būtent tomis mokėjimo – kredito kortelėmis. ...

Rašto darbo duomenys
Tinklalapyje paskelbta2008-09-22
DalykasInformatikos diplominis darbas
KategorijaInformatika
TipasDiplominiai darbai
Apimtis72 puslapiai 
Literatūros šaltiniai11
Dydis451.32 KB
Autoriusreginamilos
Viso autoriaus darbų4 darbai
Metai2006 m
Klasė/kursas2
Mokytojas/DėstytojasHabil. dakt. Gintautas Dzemyda
Švietimo institucijaLietuvos Edukologijos universitetas
FakultetasMatematikos ir informatikos fakultetas
Failo pavadinimasMicrosoft Word Daznu seku paieskos tikimybinio algoritmo tyrimas [speros.lt].doc
 

Komentarai

Komentuoti

 

 
[El. paštas nebus skelbiamas]

 
 
  • Diplominiai darbai
  • 72 puslapiai 
  • Lietuvos Edukologijos universitetas / 2 Klasė/kursas
  • Habil. dakt. Gintautas Dzemyda
  • 2006 m
Ar šis darbas buvo naudingas?
Taip
Ne
0
0
Pasidalink su draugais
Pranešk apie klaidą