دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
کاوش داده توزیع شده با استفاده از قوانین وابستگی : بهبود الگوریتم توزیع شمارش |
عنوان انگلیسی مقاله: |
Distributed Data Mining by associated rules: Improvement of the Count Distribution algorithm |
|
مشخصات مقاله انگلیسی (PDF) | |
سال انتشار | 2012 |
تعداد صفحات مقاله انگلیسی | 9 صفحه با فرمت pdf |
رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله | مهندسی الگوریتم ها و محاسبات و مهندسی نرم افزار کامپیوتر |
مجله | مجله بین المللی مسائل علمی کامپیوتر |
دانشگاه | گروه علوم کامپیوتر، دانشگاه اِس ـ سینا، الجزایر |
کلمات کلیدی | قوانین وابستگی، سیستم توزیعی، رویکرد شمارش توزیع، آیتمهای بسته |
شناسه شاپا یا ISSN | ISSN 1694-0814 |
رفرنس | دارد |
نشریه | IJCSI |
مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 19 صفحه |
ترجمه عناوین تصاویر و جداول | ترجمه شده است |
ترجمه متون داخل تصاویر | ترجمه نشده است |
ترجمه متون داخل جداول | ترجمه نشده است |
درج تصاویر در فایل ترجمه | درج شده است |
درج جداول در فایل ترجمه | درج شده است |
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
فهرست مطالب:
چکیده
1- مقدمه
2- مبانی
3- رویکردهای متفاوت استخراج مجموعه آیتمهای متوالی
4- الگوریتمهای موازی برای کاوش قوانین وابستگی
1-4- الگوریتمهای موازی برگفته از الگوریتم آپریوری
2-4- الگوریتم FDM (کاوش توزیعی سریع)
3-4- الگوریتم GridDMM (Max-Miner توزیعی Grid-Based)
5 الگوریتم توزیع شمارشی
1-5- اصل
2-5- شبه کُد الگوریتم CD
3-5- عملکرد
6- رویکرد توزیعی پیشنهادی برای استخراج مجموعه آیتمهای متوالی بسته
2-6- عملکرد الگوریتم پیشنهادی
7- آزمایش ارزیابی
8- نتایج
بخشی از ترجمه:
8- نتایج
ما پیادهسازی دو الگوریتم توزیعی را بر روی شبیهساز سیستم توزیعی ارائه کردیم که تحت زبان جاوا انجام شده بود و در آن پارامترهای شبیهسازی در تستهای مختلف متفاوت بود.
هدف از پژوهش ما بهبود عملکرد الگوریتم توزیع شمارشی از طریق ارائۀ الگوریتم جدید مقیاسپذیر و محدود به محیط توزیع شده بود. به عبارت دیگر، این الگوریتم با افزایش تعداد گرهها و اندازۀ پایگاه داده مواجه بود.
الگوریتم ما بر الگوریتم توزیعی Aclose برای استخراج مجموعه آیتمهای متوالی بسته مبتنی شده بود. این رویکرد از مزیت کاهش تعداد منتخبهای تولید شده در طول فرآیند استخراج براساس مفهوم محدودیت برخوردار بود.
به منظور کاهش هزینۀ ارتباط، این عامل برای سنجش کارآیی الگوریتم مهم محسوب میشود و ما سیستم ارتباطی جدیدی را پیشنهاد میکنیم که در آن تمام پردازشگرها صرفاً با پردازشگر اصلی در ارتباط هستند (هماهنگ کننده).
این مطالعه نشان میدهد که الگوریتم ما عملکرد بهتری نسبت به الگوریتم CD داشته و در آن هزینۀ ارتباط، زمان اجرا و تعداد الگوهای تولید شده عوامل مهم عملکردی در تعیین کیفیت الگوریتم استخراج قوانین محسوب میشوند.
بخشی از مقاله انگلیسی:
8. Conclusions
We presented the implementation of two distributed algorithms on a simulator of distributed system that we developed with the Java language, and in which we varied the simulation parameters for a variety of tests. The aim of our work is to improve the performance of the distributed algorithm Count Distribution by proposing a new algorithm scalable and closed in a distributed environment. In other words, this algorithm tolerates the increased number of nodes and the size of the database. Our algorithm is based on the sequential algorithm Aclose of the approach for extracting of frequent closed itemsets. This approach has the advantage of reducing the number of generated candidates during the extraction process based on the notion of closure. To reduce of the cost of communication is an important factor for measuring the effectiveness of an algorithm, we proposed a new communication system in which all processors communicate only with the master processor (coordinator). The study showed that our algorithm has a performance gain higher than the CD algorithm in which the cost of communication, the execution time and number of patterns generated are the important factors of performance in determining the quality of an algorithm for extracting rules.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
کاوش داده توزیع شده با استفاده از قوانین وابستگی : بهبود الگوریتم توزیع شمارش |
عنوان انگلیسی مقاله: |
Distributed Data Mining by associated rules: Improvement of the Count Distribution algorithm |
|