文献

J-GLOBAL ID：201702224852831894   整理番号：17A1351595

ビッグデータ問題におけるファジィ出現パターンマイニングを扱うための最初のアプローチ:EvAEFP火花アルゴリズム【Powered by NICT】

A first approach to handle fuzzy emerging patterns mining on big data problems: The EvAEFP-spark algorithm

著者 (4件)： Garcia-Vico A. M. (Department of Computer Science, University of Jae ́n, 23071, Jae ́n, Spain) ,  Gonzalez P. (Department of Computer Science, University of Jae ́n, 23071, Jae ́n, Spain) ,  del Jesus M. J. (Department of Computer Science, University of Jae ́n, 23071, Jae ́n, Spain) ,  Carmona C. J. (Lenguages and Computer Technology Systems, Department of Civil Engineering, University of Burgos, 09006, Burgos (Spain))
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： FUZZ-IEEE  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： インターネットと新技術はデータ量の有意な増加と新しいシナリオを発生している。この膨大な量の情報の処理は,従来の方法では不可能であり,MapReduceのような分散パラダイムに向けて新しいアプローチを設計する必要がある。この状況は広くビッグデータとして文献中で知られている。ビッグデータ環境におけるファジィ出現パターンを扱うへの最初のアプローチを提示した。この新しいアルゴリズムは,EvAFP放電と呼ばれ,MapReduceに基づくApache火花の開発である。このパラダイムの使用は,効率的に大きなデータセットの解析を可能にした。EvAEFP火花の主なアイデアは,進化プロセスにおける個体群の評価の方法論を修正することである。このようにして,集団は異なる地図,パラダイムのマップ相で得られたで評価し,それぞれの混同行列が得られた。次に,個体の適合度を評価するための低減機能は,一般的な行列の各マップのための混同行列を蓄積する。高次元データセットを用いた実験的研究は新たなパターン採掘におけるこのアルゴリズムの利点を示すために行った。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *アルゴリズム ,  採掘 ,  放電 ,  インターネット ,  *曖昧さ ,  個体群
準シソーラス用語： 実験研究 ,  高次元データ ,  適合度 ,  混合行列 ,  Apacheモジュール ,  MapReduce ,  データ量 ,  *パターンマイニング ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (1件)： その他の情報処理  (JE15050M)

タイトルに関連する用語 (5件)： ビッグデータ ,  ファジィ ,  パターンマイニング ,  火花 ,  アルゴリズム