抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
パワーグリッドディスパッチングは高度の複雑さを用いたマルチソース異種データを大量に含んでいた,従って電力データをデータマイニングによる知識への知的ディスパッチング開発の必然的な傾向である。送電網にビッグデータ技術を適用して,ビッグデータに基づくマルチソース不均一データの解析モデルを構築し,処理ビッグデータのための頻出アイテム集合マイニング(FIM)アルゴリズムを提案した。MapReduceプログラミングと組合せ論を結合して,このアルゴリズムはトランザクションデータベースを走査1回標的頻出アイテム集合マイニングを完成するために,支援を採掘する必要性に変化していない。アルゴリズムは多重走査トランザクションデータベースと低採掘効率の問題を克服することができる。本論文では,他の頻出アイテム集合マイニングと比較して,提案アルゴリズムでは,故障情報トランザクションデータベースを扱うためにHadoopを利用した。実験結果は,提案したアルゴリズムは拡張性において良く機能し,大規模トランザクションデータベースとほとんど時間コストを持つことを示した。本論文の方法は精度の包括的最適目的を持つ知的分析と意思決定を実現するための有用な知識を提供するであろう,セキュリティ,経済的であり,単一データ源が達成できない。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】