Andere Kunden interessierten sich auch für
![Algoritmo K-Means parallelo basato su Hadoop-MapReduce per il data mining]( "Algoritmo K-Means parallelo basato su Hadoop-MapReduce per il data mining")
Algoritmo K-Means parallelo basato su Hadoop-MapReduce per il data mining26,99 €![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 €![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 €![Data Mining for Multimedia Databases]( "Data Mining for Multimedia Databases")
Data Mining for Multimedia Databases45,99 €![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 €![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 €![Ein Ansatz des überwachten Lernens für die Identifizierung von Straftätern]( "Ein Ansatz des überwachten Lernens für die Identifizierung von Straftätern")
Ein Ansatz des überwachten Lernens für die Identifizierung von Straftätern39,90 €
Ziel dieser Arbeit war es, die Verwendung eines parallelen K-Means-Clustering-Algorithmus auf Basis des MapReduce-Programmiermodells zu untersuchen, um die Reaktionszeit beim Data Mining zu verbessern. Die Leistung des Algorithmus wurde hinsichtlich SpeedUp und ScaleUp bewertet. Zu diesem Zweck wurden Experimente in einem Hadoop-Cluster durchgeführt, der aus sechs Computern mit handelsüblicher Hardware bestand. Die gruppierten Daten sind Messungen von Strömungstürmen in landwirtschaftlichen Regionen und stammen von Ameriflux. Die Experimente wurden mit 3, 4 bzw. 6 Maschinen durchgeführt. Die Ergebnisse zeigten, dass mit der Erhöhung der Anzahl der Maschinen eine Leistungssteigerung erzielt wurde, wobei die beste Zeit mit sechs Maschinen erreicht wurde und ein SpeedUp von 3,25 erzielt wurde. Es wurde festgestellt, dass die Anwendung mit der entsprechenden Erhöhung der Datenmenge und der Anzahl der Maschinen im Cluster gut skaliert und in den Tests eine ähnliche Leistung erzielt.