استخراج دادههای پرت از مجموعه دادههای بزرگ
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 449
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- 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:
CIICE01_017
تاریخ نمایه سازی: 7 اردیبهشت 1396
چکیده مقاله:
یک DSS ، فرایند تصمیمگیری است که به بعضی از عواملی که کیفیت سیستم های اطلاعاتی و نتایج مربوط به آن را تعیین میکنند، وابسته است. امروزه، دادهکاوی و کشف دانش بعنوان ماژولهای اصلی در توسعه DSS پیشرفته در نظر گرفتهمیشوند. روشهای سنتی قادر به اجرای حجم زیادی از دادههای واقعی نیستند و معمولا فرایندهای آنها بسیار کند هستند.امروزه تمامی داده کاوی ها عموما بررویمجموعه دادههای عظیم انجام میشود . دادههایی که میبایست اشتباه-های انسانی در آن وجود نداشته،عاری ازهرگونه داده نویزدار و پرتوحاویدادههاییصحیحباشند.در اینجا و برروی این مجموعه هادیگر نمیتوان به صورت محلی عمل کرد.راهبردهاو الگوریتمهایی را نیازداریم که مارا درتشخیص این دادههایاری میرسانند.این الگوریتمهاکه درگذشته برروی آنها پژوهش هایی صورت پذیرفتهدرابتدا ذکر خواهند شدودرادامه نیز روش جدیدی که مبتنی بر راهبرد توزیعی،استخراج ویژگیها، خوشهبندی و غیره است را مورد بررسی قرار خواهیم داد. در نهایت نشان خواهیم دادکه باروش پیشنهادی نتایج خروجی ما دقیقتر و سریعتر از روش مجموعه پاسخ توزیعی عمل خواهد نمود
کلیدواژه ها:
نویسندگان
علی دلقندی
گروه مهندسی کامپیوتر، واحد نیشابور، دانشگاه آزاد اسلامی، نیشابور، ایران
مریم خیرآبادی
واحد نیشابور، دانشگاه آزاد اسلامی، نیشابور، ایران
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 :