بررسی مقیاس پذیری داده های پرت در مجموعه داده های توزیع شده قدرتمند با اعمال داده های غیرمرتبط

در این پایان نامه ما روشی ابتکاری ارائه می کنیم که بتواند بصورت موثری بر روی مجموعه داده های توزیع شده بزرگی که حاوی داده هایی با انواع مختلف هستند کار کند. به طور دقیق تر، ما در ابتدا ما روشی سریع و مقیاس پذیر برای داده های دسته بندی شده 1 ارائه می کنیم و نسخه موازی شده آن را که مبتنی بر نگاشت کاهش 2 می باشد معرفی می کنیم. در ادامه روش خود را گسترش داده و یک روش تشخیص داده های پرت سریع برای مجموعه داده های توزیع شده 3 بزرگ با انواع داده های متفاوت پیشنهاد می کنیم. در نهایت روش خود را به گونه ای تغییر می دهیم که بتواند به جواب قابل قبولی بر روی داده های دسته بندی شده با ابعاد دسته بندی بسیار بالا نیز دست یابد. ما روش پیشنهادی خود را با مجموعه های داده واقعی و ساختگی بسیار بزرگ امتحان کرده و انتظار این را داریم که روش پیشنهادی ما ضمن بهبود دقت تشخیص داده های پرت نسبت به روش های قبلی، به کارآیی بسیار بالاتر و همچنین مقیاس پذیری بسیار بزرگتری نیز دست یابد.

کلیدواژه ها:

داده کاوی ، تشخیص داده های پرت ، تشخیص آنومالی ، مجموعه داده های توزیع شده ، مجموعه داده های طبقه بندی شده ، مجموعه داده های با خصوصیات ترکیبی