مروری بر انواع دادههای عظیم

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 520

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTI01_138

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

کشف دانش و دادهکاوی امروزه یک حوزه جدید میانرشتهای و در حال رشد است که حوزههای مختلفی همچون پایگاه داده، آمار، یادگیری ماشین و سایر زمینههای مرتبط را باهم تلفیق کرده تا اطلاعات و دانشارزشمند نهفته در حجم بزرگی از دادهها با ابعاد بالا را استخراج نماید و استفاده از آن در دو دهه اخیر تقریبا در جهان در همه سازمانها که با حجم عظیمی از داده در پایگاه داده خود مواجه هستند، رواج یافته است. شناسایی مشکلات کاوش و یا برآورد وابستگیها از دادهها یا کلا کاوش دادههای جدید تنها قسمتی از شیوههای تجربی مورداستفاده دانشمندان، مهندسین و پژوهشگرانی است که روشهای استانداردی را برای کسب نتایج دادهها به کار میبرند. دادهکاوی یکی از ابزارهای متعدد آنالیز برای آنالیز کردن داده میباشد و به کاربر اجازه میدهد که داده را از زوایا یا دیمانسیونهای مختلفی آنالیز کند. سپس آنها را دستهبندیکند و نهایتا ارتباطات شناختهشده را خلاصه تجمع بندی کند. در این مقاله انواع دادههای بزرگ مانند دادههای سریهای زمانی، دادههای تصویری و دادههای چندرسانهای موردبحث و بررسی قرار داده میشود.

نویسندگان

فاطمه خضریزاده

دانشجو کارشناشی ارشد گروه مهندسی کامپیوتر (نرمافزار)، واحدسیرجان، دانشگاه آزاد اسلامی، سیرجان، ایران

عمید خطیبی بردسیری

عضو هیات علمی گروه کامپیوتر، واحد بردسیر، دانشگاه آزاد اسلامی، بردسیر، 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 :
  • ترکیب شبکه های عصبی خود سازمانده و بازگشتی المن برای تشخیص راستای ارزش دلار نسبت به یورو [مقاله کنفرانسی]
  • Afolabi, M. O. and Olude, O. (2007); *Predicting Stock Prices ...
  • Dalton, D. R., Todor, W. D., & Krackhardt, D. M. ...
  • Dhar. V ; Chou. D; Discovering Interesting Patterns for Investment ...
  • Hao, C. C., Jung, H. C., & Yenhui, O. (2009). ...
  • Hathaway. R.J, Bezdek. J.C, Pedrycz. W, A parametric model for ...
  • Hsu, S.-H., Hsieh, J. P. -A., Chih, T. -C., Hsu, ...
  • Kraut, A. I. (1975). Predicting _ of employees form measured ...
  • Kuo, R. J., Ho, L. M., & Hu, C. M. ...
  • Miller, H. E., Miller, H. E., Katerberg & Hulin, C. ...
  • Mobley, W. H. (1977). Intermediate linkages in the relationship between ...
  • Mobley, W. H., Griffeth, R. W., Hand, H. H., & ...
  • Mobley, W. H., Horner, S. O., & Hol lingsworth, A. ...
  • Nadarajan. M, "efficient and scalable partition based algorithms for mining ...
  • Newman, J. E. (1974). Predicting absenteeism and turnover: A field ...
  • Porter, L. W., & Steers, R. M. (1973). Organ izational, ...
  • Samuel, M. O., & Chipunza, C. (2009). Employee retention and ...
  • Yang. Y, Jia. Z, Chang. Ch, Qin. X, Li. T, ...
  • نمایش کامل مراجع