文献

J-GLOBAL ID：202102248429104410   整理番号：21A2304903

分散データマイニングの性能向上【JST・京大機械翻訳】

Improving Performance of Distributed Data Mining

著者 (3件)： Hamad Ahmed (Aastmt Alexandria,Faculty of Engineering and Technology,Computer Engineering Department,Egypt) ,  Saleh Sherine Nagy (Aastmt Alexandria,Faculty of Engineering and Technology,Computer Engineering Department,Egypt) ,  Abouelfarag Ahmed (Aastmt Alexandria,Faculty of Engineering and Technology,Computer Engineering Department,Egypt)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCTA  ページ： 111-116  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： 最近,データの成長は,それから情報を効率的にマイニングするために,より高い計算電力と強力な資源を必要とする課題を創出した。分散および並列システムの出現は,大規模データマイニングの問題に対する活性解になった。並列演算は,いくつかのノード上で実行されるより小さなサブタスクへの大きなタスクを分割する。分散および並列システムの概念に基づいて,すべてのタスクの処理を,同時に,そして,透明に実行した。大規模なデータセットをより小さな部分集合に分割するMapReduceアルゴリズムを用いて,大規模なデータマイニングを行うことができる。次に,マップ手順の役割である完全並列機構で処理を行う。別の解決策は,分散処理の使用と並列性の概念の適用である。これは,大規模データセットの部分集合への分割を含み,次に,多数の機械学習アルゴリズムを各々適用した。最終結果を得るために出力を結合した。中央コンピューティングノード上の大規模データのマイニングプロセスを実装することができるが,時間とハードウェア資源に関して非常に高価である。この論文の目的は,大規模データセット上のデータマイニングアルゴリズムの性能を改善し,集中的な方法で分散と並列の結果の比較を示すことである。1つの大規模データセットをデータ分類問題および3つの異なるアルゴリズム,集中分類におけるランダムフォレスト(RF),分散/並列分類における決定木(DT)およびランダムツリー(RT)に対して使用した。結果は,実行時間に関して分散分類を用いて性能の改善を示す。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  電力 ,  ディシジョンツリー ,  並列演算 ,  ハードウェア ,  分散処理 ,  学習アルゴリズム ,  *データマイニング
準シソーラス用語： 実行時間 ,  ランダムフォレスト ,  データ分類 ,  MapReduce ,  並列システム ,  大規模データセット ,  大規模データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 分散データマイニング ,  性能向上