بهبود مکانیزم پاکسازی داده های سیستم نظارت فعالیت با استفاده از موازی سازی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 484

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CECCONF01_013

تاریخ نمایه سازی: 22 آبان 1395

چکیده مقاله:

تکنولوژی شناسایی از طریق امواج رادیویی یا به صورت خلاصه تر تکنولوژی رادیو شناسه چندین سال است که به عنوان یکی از تکنولوژی های کارآمد و مفید مطرح شده است. این تکنولوژی در کاربردهای زیادی به کار گرفته شده و نتایج مطلوبی نیز داشته است از جمله در مدیریت زنجیره تأمین، مدیریت چمدان های فرودگاه ها، خرده فروشی ها، شناسایی حیوانات خانگی و بیماران آلزایمری. در ساده ترین سطح این تکنولوژی اجازه می دهد یک بارکد از راه دور و در خطی غیرمستقیم با استفاده از امواج رادیویی خوانده شود. به مجموعه تراشه و آنتن تگ گفته می شود. از آنتن برای انتقال اطلاعات تراشه به تگ خوان استفاده می شود. تگ خوان امواج رادیویی را از تگ ها دریافت و آن ها را به اطلاعات قابل انتقال به کامپیوتر تبدیل می کند. این اطلاعات یا داده ها در کامپیوتر ذخیره و پردازش می شوند. داده هایی که به وسیله ی سیستم های رادیو شناسه تولید می شوند بسیار بزرگ و حجیم هستند. متدهای قدیمی در این مورد کارساز نیست و واضح است که بایست تکنیک های جدید و کارآمدی برای پردازش این داده های حجیم به کار گرفته شود. در این پروژه هدف و تمرکز را بر روی مرحله پاک سازی داده قرار داده و سعی شده با بهبود این مرحله گامی مؤثر در جهت بهبود داده کاوی برداشته شود. برای بهبود الگوریتم پیشنهادی و افزایش بهره وری اجرایی و در نتیجه افزایش سرعت اجرای آن ها بر مبنای مدل برنامه نویسی نگاشت- کاهش، محاسبات الگوریتم های پاک سازی داده را بین هسته ها تقسیم کردیم و سپس نتایج را با هم ادغام نمودیم با افزایش تعداد هسته پردازنده ها، سرعت افزایش پیدا کرد.

کلیدواژه ها:

تکنولوژی شناسایی از طریق امواج رادیویی ، مجموعه داده ، نگاشت- کاهش ، پاک سازی داده ، انباره داده

نویسندگان

سیدیاشین میرمسعودی

موسسه آموزش عالی مهرآستان

غلامحسین اکباتانی فرد

دانشگاه آزاد اسلامی واحد لاهیجان

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 :
  • Chu et al., 2006. Map reduce for machine learning _ ...
  • Gonzalez, H., et al., 2007. C ost-Conscious Cleaning of Massive ...
  • Miller, H., et al., 2008, Problems, Methods, and Challenges in ...
  • Ray Y.Zhong, 2014. A Big Data Cleansing approach for n-dimensional ...
  • Stikic, M., 2008. ADL recognition based on the combination of ...
  • نمایش کامل مراجع