بهبود هزینه های داده کاوی داده های بزرگ در ابر با استفاده از الگوریتم خوشه بندی OP-ELM k-Means
- سال انتشار: 1397
- محل انتشار: کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام
- کد COI اختصاصی: ECMM01_084
- زبان مقاله: فارسی
- تعداد مشاهده: 675
نویسندگان
دپارتمان فنی-مهندسی، دانشگاه موسسه آموزش عالی آ.ب.آ، آبیک، قزوین
دپارتمان فنی-مهندسی، دانشگاه آزاد اسلامی واحد تهران-جنوب، تهران، تهران
چکیده
دوران داده های بزرگ آغاز شده است. امروزه، نود درصد از داده ها در طی دو سال اخیر تولید شده و 2/5 کوانتیلیون از داده های جدید هر روزه تولید می شوند. از طرفی داده کاوی به عنوان ابزار کشف دانش در پایگاه های داده شناخته می شود و هدف آن ارایه مدلی از سیستم و یا تولید دانش جدیدی است که کاربر بتواند از آن استفاده کند. این هدف باساخت مدلی از دنیای واقعی براساس داده های جمع آوری شده از منابع متفاوت بدست می آید . استفاده از سیستم های داده کاوی مبتنی بر روش OP-ELM ضمن کاهش خطای نهایی از حجم بار محاسباتی اعمالی به سیستم می کاهد و قابلیت کار روی مجموعه داده های بزرگ تر را فراهم می کند. در این مقاله، هدف اصلی، بهبود هزینه های داده کاوی داده های بزرگ در ابر با استفاده از الگوریتم خوشه بندی OP-ELM K-means می باشد. در واقع هدف از این تحقیق این است که اولا فاکتورهای بهینه انتخاب گردد با استفاده از توابع best first , info get ، سپسروش های کلاسترینگ که عبارتند از K-means ، ELM ، OP-ELM ، SVM ، در مورد کاهش هزینه های محاسبات داده کاوی داده های بزرگ در ابر باهم مقایسه گردند، الگوریتم بهینه یعنی الگوریتم خوشه بندی Means OP-ELM -k- انتخاب گردید. الگوریتمی که هدف اصلی این تحقیق بود کمتر مورد استفاده قرار گرفته و طبق تحقیقات انجام شده گفته می شود که می تواند موجب کاهش هزینه ها شود. تا حالا از این الگوریتم روی دیتا بیس کلود استفاده نشده همچنین در صورت نیاز برای بهینه سازی بیشتر فاکتور جدیدی به آن اضافه می گرددکلیدواژه ها
داده کاوی، Means OP-ELM-k- ، هزینه داده کاوی در ابر، داده های بزرگ، الگوریتم خوشه بندیمقالات مرتبط جدید
- Adaptive Control Strategies for Fast Charging of EVs with Battery Degradation Mitigation
- شناسایی مانع با استفاده از دید استریو برای خودروهای بدون سرنشین
- Multi-Gbest Decomposition for Many-Objective Optimization
- ترکیب منابع انرژی پیزوالکتریک و ترموالکتریک به منظور افزایش کارایی سیستم های برداشت انرژی
- کاربرد نگاشت های GAF و MTF در تشخیص خرابی تجهیزات دوار با شبکه DenseNet
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.