4. Algorithms and experimentsIn thi

4. Algorithms and experiments
In this section, we will firstly provide the main algorithms re-lated with stability data mining; and then, introduce three bench-mark experiments conducted on the prototype platform; finally, we will discuss some issues about stability data mining.
4.1. Algorithms
There are mainly four algorithms related with stability data mining, which are classification algorithm of dynamics systems, clustering algorithm of dynamics systems, stability mining algo¬rithm, and synthesizing algorithm.
4.1.1. Cl assifi cation algorithm of dynamics systems
By classifying dynamics systems, we can divide the objective data into disconnected groups. Further, it is possible for us to dis¬cover correlations among different (m,l_,l_,h), which we call as dynamics systems. Viz., as described above, a dynamics system can be proximately characterized by a vector (m,l,l,h) (somewhat arbitrary). It is necessary to note that the objective data is h, which is the historical dataset closely related with a real life system. Therefore, unlike the conventional classification algorithms, there are two levels for such classification: one is the classification with-in certain dynamics system, the other is the classification among different dynamics systems.

Results (Indonesian) 1:

4. algoritma dan percobaanDalam bagian ini, kita akan pertama menyediakan algoritma utama re-laranangan dan saksi dengan stabilitas data pertambangan; dan kemudian, memperkenalkan tiga bangku-mark percobaan yang dilakukan pada platform prototipe; Akhirnya, kita akan membahas beberapa isu-isu tentang stabilitas data pertambangan.4.1. algoritmaAda terutama empat algoritma yang terkait dengan stabilitas data pertambangan, yang klasifikasi algoritma dinamika sistem, clustering algoritma dinamika sistem, stabilitas pertambangan algo¬rithm dan mensintesis algoritma.4.1.1. Cl assifi kation algoritma dinamika sistemMengklasifikasikan dinamika sistem, kami dapat membagi tujuan data ke dalam kelompok terputus. Lebih jauh, mungkin bagi kita untuk dis¬cover korelasi antara berbagai (m, l_, l_, h), yang kita panggil sebagai dinamika sistem. Viz., seperti dijelaskan di atas, sistem dinamika dapat proximately dicirikan oleh vektor (m, l, l, h) (agak sewenang-wenang). Sangatlah penting untuk dicatat bahwa tujuan data h, yang merupakan sejarah dataset terkait erat dengan sistem kehidupan nyata. Oleh karena itu, tidak seperti algoritma konvensional klasifikasi, ada dua tingkat untuk klasifikasi seperti: satu adalah klasifikasi di sistem dinamika tertentu, yang lain adalah pembagian antara sistem dinamika yang berbeda.

Results (Indonesian) 2:

4. Algoritma dan percobaan
Pada bagian ini, kita terlebih dahulu akan memberikan algoritma utama ulang lated dengan data stabilitas pertambangan; dan kemudian, memperkenalkan tiga percobaan bangku-tanda dilakukan pada platform prototipe; akhirnya, kita akan membahas beberapa masalah tentang data stabilitas pertambangan.
4.1. Algoritma
Ada terutama empat algoritma terkait dengan data stabilitas pertambangan, yang algoritma klasifikasi sistem dinamika, algoritma clustering sistem dinamika, stabilitas algo¬rithm pertambangan, dan sintesis algoritma.
4.1.1. Cl algoritma Assifi kation sistem dinamika
Dengan mengelompokkan sistem dinamika, kita dapat membagi data objektif dalam kelompok terputus. Selanjutnya, adalah mungkin bagi kita untuk dis¬cover korelasi antara yang berbeda (m, L_, L_, h), yang kita sebut sebagai sistem dinamika. Yaitu, seperti dijelaskan di atas, sistem dinamika dapat proxima ditandai dengan vektor (m, l, l, h) (agak sewenang-wenang). Hal ini diperlukan untuk dicatat bahwa data objektif adalah h, yang merupakan dataset sejarah terkait erat dengan sistem kehidupan nyata. Oleh karena itu, tidak seperti algoritma klasifikasi konvensional, ada dua tingkat untuk klasifikasi seperti: satu adalah klasifikasi dengan-sistem dinamika tertentu, yang lainnya adalah klasifikasi antara sistem dinamika yang berbeda.