Andere Kunden interessierten sich auch für
![Paralleler K-Means-Algorithmus basierend auf Hadoop-MapReduce für Data Mining]( "Paralleler K-Means-Algorithmus basierend auf Hadoop-MapReduce für Data Mining")
Paralleler K-Means-Algorithmus basierend auf Hadoop-MapReduce für Data Mining39,90 €![Parallel K-Means Algorithm based on Hadoop-MapReduce for Mining]( "Parallel K-Means Algorithm based on Hadoop-MapReduce for Mining")
Parallel K-Means Algorithm based on Hadoop-MapReduce for Mining27,99 €![Algoritmo K-Means paralelo baseado em Hadoop-MapReduce para Mineração de dados agrícolas]( "Algoritmo K-Means paralelo baseado em Hadoop-MapReduce para Mineração de dados agrícolas")
Algoritmo K-Means paralelo baseado em Hadoop-MapReduce para Mineração de dados agrícolas26,99 €![APPRENDIMENTO BASATO SU STRATEGIE DI ACQUISIZIONE LINGUISTICA]( "APPRENDIMENTO BASATO SU STRATEGIE DI ACQUISIZIONE LINGUISTICA")
APPRENDIMENTO BASATO SU STRATEGIE DI ACQUISIZIONE LINGUISTICA29,99 €![Algorytm K-Means równoleg¿y oparty na Hadoop-MapReduce do eksploracji danych]( "Algorytm K-Means równoleg¿y oparty na Hadoop-MapReduce do eksploracji danych")
Algorytm K-Means równoleg¿y oparty na Hadoop-MapReduce do eksploracji danych26,99 €![Data Mining for Multimedia Databases]( "Data Mining for Multimedia Databases")
Data Mining for Multimedia Databases45,99 €![Algorithme K-Means parallèle basé sur Hadoop-MapReduce pour l'exploration de données]( "Algorithme K-Means parallèle basé sur Hadoop-MapReduce pour l'exploration de données")
Algorithme K-Means parallèle basé sur Hadoop-MapReduce pour l'exploration de données26,99 €
Questo lavoro aveva come obiettivo quello di studiare l'utilizzo di un algoritmo di raggruppamento K-Means parallelo, basato sul modello di programmazione MapReduce, per migliorare i tempi di risposta del data mining. Le prestazioni dell'algoritmo sono state valutate in termini di SpeedUp e ScaleUp. A tal fine sono stati eseguiti esperimenti su un cluster Hadoop composto da sei computer con hardware comune. I dati raggruppati sono misurazioni delle torri di flusso delle regioni agricole e appartengono ad Ameriflux. Gli esperimenti sono stati eseguiti utilizzando rispettivamente 3, 4 e 6 macchine. I risultati hanno mostrato che con l'aumento del numero di macchine si è ottenuto un miglioramento delle prestazioni, con il miglior tempo ottenuto utilizzando sei macchine, raggiungendo uno SpeedUp di 3,25. È stato verificato che l'applicazione scala bene con l'aumento equivalente della dimensione dei dati e del numero di macchine nel cluster, raggiungendo prestazioni simili nei test.