بررسی و بهبود(ترکیب) الگوریتم FP-growth داده کاوی بامتد نگاشت-کاهش درمحیط رایانش ابری تحت پشتیبانی سرورهای آمازون
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 973
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCOMP01_001
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
در سالهای اخیر تولید و جمع آوری اطلاعات خام افزایش چشمگیری داشته است و روز به روز بر حجم این اطلاعات افزوده میشود . کشف روابط و وابستگی های متقابل بین مجموعه بزرگی از اقلام داده ای که به داده کاوی قوانین انجمنی معروف است یکی از روشهای بسیار موثر در استخراج اطلاعات مفید از میان انبوه اطلاعات خام موجود درون پایگاه داده است.در این بین محیط رایانش ابری بدلیل ارایه زیرساختها ، ذخیره گاه ها و چهار چوبهای آماده ، آزمون شده و مورد اطمینان که میتوانند هزینه های ایجاد و نگهداری یک چهار چوب توسط شخص کاربر را کاهش و قابلیت اطمینان از درستی نصب را افزایش می دهد ، یکی از بهترین گزینه ها برای انجام عملیات داده کاوی می باشد.در این پژوهش الگوریتم fp-growth به منظور داده کاوی انتخاب و از متد نگاشت کاهش در محیط ابر اجرا میشود.سرعت اجرای این الگوریتم به روش نگاشت- کاهش سریعتر از الگوریتم apriori است.
کلیدواژه ها:
نویسندگان
علیرضا مشکوه روحانی
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، نرم افزار، دانشگاه عقیق شاهین شهر
ایوب باقری
دکترای کامپیوتر
عاطفه مجعفری نعیمی
کارشناس ارشد معماری
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :