文献

J-GLOBAL ID：201702215734649584   整理番号：17A1484948

BigFCM:hadoop上での高速,高精度でスケーラブルなFCM【Powered by NICT】

BigFCM: Fast, precise and scalable FCM on hadoop

著者 (3件)： Ghadiri Nasser (Department of Electrical and Computer Engineering, Isfahan University of Technology, Isfahan, Iran) ,  Ghaffari Meysam (Department of Computer Science, Florida State University, Tallahassee, FL, United States) ,  Nikbakht Mohammad Amin (Department of Electrical and Computer Engineering, Isfahan University of Technology, Isfahan, Iran)
資料名： Future Generation Computer Systems  (Future Generation Computer Systems)
巻： 77  ページ： 29-39  発行年： 2017年 
JST資料番号： A0620C  ISSN： 0167-739X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： クラスタリングは,モデリング技法と多くのデータマイニングプロセス実現における前処理ステップとして鉱山ビッグデータにおいて重要な役割を果たす。ファジィクラスタリングがある程度一つ以上のクラスタに属する各データ記録を可能にすることによって非ファジィ方法よりも多くの柔軟性を提供する。しかし,ファジィクラスタリングにおける重大な挑戦は,スケーラビリティの欠如である。地球科学,生物学,およびネットワークのような新興分野における大規模なデータセットは現実世界の問題を解くための高性能並列分散計算を必要とした。いくつかのクラスタリング法は,既にビッグデータプラットフォーム上で実行するために改善されたが,それらの実行時間は巨大なデータセットのための非常に増加した。BigFCMと命名したスケーラブルなファジィC-平均法(FCM)クラスタリング法は,Hadoop分散データプラットフォームを提案し,設計した。MapReduceプログラミングモデルに基づいて,提案したアルゴリズムは,実行時間の大きさ減少の数桁を達成するための効率的なキャッシュ設計を含むいくつかの機構を利用した。本研究で開発した評価フレームワークを通したApache Mahout K平均とファジィK-平均と比較してBigFCM性能。SUSYとH iggsを含むマルチギガバイト以上のデータセットを用いた包括的評価によりBigFCMがスケーラブルで,クラスタ化の品質を保存することを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *クラスタ化 ,  ネットワーク ,  曖昧さ ,  モデリング ,  データマイニング ,  アルゴリズム ,  柔軟性 ,  キャッシュメモリ ,  クラスタ
準シソーラス用語： プログラミングモデル ,  MapReduce ,  実行時間 ,  クラスタリング法 ,  ファジィクラスタリング ,  ビッグデータ , 【Automatic Indexing@JST】

著者キーワード (6件)： MapReduceアルゴリズム ,  教師なし学習とクラスタリング ,  データマイニング ,  クラスタリング ,  あいまい性とファジィ論理 ,  ビッグデータ

分類 (2件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (2件)： Hadoop ,  FCM