مروري بر الگوريتم هايي براي شناسايي الگوهاي تكرار شونده درجريان هاي داده

تشخيص الگو به عنوان يك چالش عمده در زمينه ي داده كاوي ديده مي شود. براي اين مقاله، ما الگوريتم هايي زيادي را موردبررسي قرار داده ايم كه مي توانند براي پيدا كردن الگوهاي تكراري به كار گرفته شوند با اين هدف كه بتوانند الگوهاي تكراري را در پايگاه داده هاي تراكنش بزرگ پيدا كند. اين روند به فرم يك مطالعه ي مقايسه اي الگوريتم هاي زير ارائه شده است: الگوريتم Apriori، الگوريتم رشد الگوي مكرر (FP) و دستوركاوي سريع انجمني (PARM)، الگوريتم ECLAT و الگو كاوي حسگر همراه از الگوريتم هاي الگوكاوي جريان داده ي تكراري (ASPMS). اين مطالعه همچنين نقاط قوت و ضعف الگوريتم در پيدا كردن الگوها در ميان مجموعه آيتم هاي بزرگ در سيستم هاي پايگاه داده تمركز مورد مقايسه فرار مي دهد.