شماره ركورد كنفرانس
4002
عنوان مقاله
رويكرد فازي و خوشهبندي دادههاي بزرگ با استفاده از مدل MapReduce- Mahout
پديدآورندگان
احمدي سميه ahmadisomayhe@gmail.com دانشجوي كارشناسيارشد كامپيوتر- نرمافزار، گروه آموزشي مهندسي كامپيوتر، دانشگاه آزاد اسلامي واحد زنجان، زنجان، , افضلي مهدي afzali@hacettepe.edu.tr استاديار مهندسي كامپيوتر، گروه آموزشي مهندسي كامپيوتر، دانشگاه آزاد اسلامي واحد زنجان، زنجان،
تعداد صفحه
10
كليدواژه
Mahout , Hadoop , MapReduce , Big Data , K , means clustering , Fuzzy K , means
سال انتشار
1395
عنوان كنفرانس
دومين كنفرانس ملي محاسبات توزيعي و پردازش داده هاي بزرگ
زبان مدرك
فارسي
چكيده فارسي
الگوريتم K-means از پركاربردترين الگوريتمهاي خوشهبندي است اما در مواردي كه براي پردازش دادههاي حجيم استفاده ميشود، پيچيدگي زماني آن بيش از حد بالاست. الگوريتم Fuzzy K-means با افزودن رويكرد فازي، الگوريتم K-means را گسترش داده و عملكرد آنرا در خوشهبندي بهبود داده است. تحقيقات انجام شده نشان ميدهد كه الگوريتمهاي خوشهبندي بر اساس پلتفرم هدوپ، پيچيدگي زماني و فضايي كمتري دارند و همينطور داراي مقياسپذيري خوبي ميباشند. تعدادي از تحقيقات، الگوريتمهاي خوشهبندي را بر اساس هدوپ طراحي و تست كردهاند. با اين حال اندك تحقيقاتي بر اساس پلتفرم ماهوت اجرا و تست شده است. كتابخانه منبعبازِ ماهوت، كتابخانهي الگوريتمهاي يادگيريماشين است. الگوريتمهاي ماهوت بر اساس MapReduce هستند. استفاده از پلتفرم هدوپ و ماهوت پردازش مجموعهدادههاي بزرگ و عظيم را بهبود ميدهد و لازم است با توجه به مزاياي كتابخانه ماهوت، تحقيقات بيشتري در زمينه اجراي موازي الگوريتمهاي خوشهبندي صورت پذيرد. در اين مقاله قصد داريم الگويي تركيبي براي كاهش زمان اجراي الگوريتم خوشهبندي K-means مبتني بر رويكرد فازي در چارچوب ماهوت بر اساس Hadoop - Mapreduce ارائه دهيم.
كشور
ايران
لينک به اين مدرک