淡江大學機構典藏:Item 987654321/37499
English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 55531/89856 (62%)
造訪人次 : 10978652      線上人數 : 415
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    請使用永久網址來引用或連結此文件: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/37499


    題名: 以FAT演算法挖掘頻繁學習序列
    作者: 郝維華;林丕靜;陳宏任;闕豪恩;張忠義;廖珮妤;邱展逢
    貢獻者: 淡江大學資訊工程學系
    關鍵詞: 資料挖掘;序列;數位學習
    日期: 2006-10
    上傳時間: 2010-01-11 13:35:09 (UTC+8)
    摘要: 序列模式(Sequential Pattern)的運用層面很廣泛,是資料挖掘的重要研究領域之一。研究這類型主題的主要問題之一就是在挖掘的過程中產生太多的候選序列(candidates),增加記憶體需求的負擔以及處理這些序列的時間以及CPU資源。本研究提出快速累計樹(Fast Accumulation Tree,FAT)演算法,僅需掃描序列資料庫一次,以序列資料庫內之序列為累計樹之節點(node),建立準壓縮之累計樹狀結構。FAT的優點有:可以減少掃描資料庫的次數,降低累計樹的累計次數及搜尋次數,減小演算法對於記憶體的需求,而有效的尋找頻繁序列(Frequent Sequence)及最大頻繁序列(Maximal Frequent Sequence)。FAT分為三個階段:產生累計樹階段(Generation Phrase)、修剪階段(Pruning Phrase)及最大序列階段(Maximal Phrase)。FAT掃描資料庫一次即可建立累計樹ATree,過程中無須產生過多的候選序列(Candidates),因此FAT演算法可以在記憶體中執行,可迅速、有效率的從學習歷程中尋找頻繁序列。不同於AprioriALL方法,須要多次掃描資料庫,產生大量的候選序列(candidates)降低執行效率,而且比較不受到最小支持率(minimum support)變化的影響,越低的最小支持率產生越多的候選序列,需要更多的記憶體,及更長的運算時間。數位學習系統記錄學員(Learner)之學習歷程(Portfolio),包括學習成績、修習課程、以及修習課程的學習序列(Learning Sequence) ,又稱為學習路徑。根據英雄所見略同(Great mind think alike),成功族群的學習序列值得作為新學員的參考,亦可以預測學生學習狀況。從學生學習歷程(Portfolio)挖掘出頻繁序列(Frequent Sequences) 。數位學習標準如SCORM2004讓教學設計者可以依據學生狀況及教材內容編定學生學習路徑,不過這過於偏重於教學設計者的主觀想法,若以成功族群的學習序列編定的學習路徑及教材單元(SCO)之組合,稱為活動樹(Activity Tree),將會提供新學員更客觀的成功學習路徑。
    關聯: 2006數位落差與數位學習研討會論文集=Proceedings of Divide and Digital Learning Conference 2006,10頁
    顯示於類別:[資訊工程學系暨研究所] 會議論文

    文件中的檔案:

    檔案 大小格式瀏覽次數
    index.html0KbHTML112檢視/開啟

    在機構典藏中所有的資料項目都受到原著作權保護.

    TAIR相關文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回饋