文献

J-GLOBAL ID：201702280341762231   整理番号：17A0077334

PODKNN:は大規模データセットに対する並列異常値検出アルゴリズムである.【JST・京大機械翻訳】

PODKNN:A Parallel Outlier Detection Algorithm for Large Dataset

著者 (3件)： Gou Jie (Password Engineering Institute,PLA Information Engineering University) ,  Ma Zitang (Password Engineering Institute,PLA Information Engineering University) ,  Zhang Zhecheng (Password Engineering Institute,PLA Information Engineering University)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 43  号： 7  ページ： 251-254,274  発行年： 2016年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 既存の異常値検出アルゴリズムは,大規模データのための時間遅れ効率の問題を解決するために使用される。K最近傍に基づく並列異常値検出アルゴリズムアルゴリズム(PARALLEL OUTLIER DETECTION BASED ON K-NEAREST NEIGHBORHOOD)を提案した。このアルゴリズムは,分割戦略の対数データセットを使用して前処理を行い,K最近傍を探索し,FODFPを計算し,最終的に結果を統合して異常値を選択し,アルゴリズムのプロセスをMAPREDUCEのプログラミングモデルに適合させ,並列化を実現した。その結果,異常値検出アルゴリズムは,大規模データの計算効率を向上させることができた。実験結果は,PODKNNがより良いスピードアップとより良い拡張性を持つことを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 前処理 ,  *異常値 ,  *アルゴリズム ,  対数
準シソーラス用語： 計算効率 ,  プログラミングモデル ,  *異常値検出 ,  時間遅れ ,  *大規模データ ,  *検出アルゴリズム ,  *大規模データセット , 【Automatic Indexing@JST】

著者キーワード (4件)： Data mining ,  Outlier detection ,  K-nearest neighborhood ,  MapReduce

分類 (2件)： データベースシステム  (JD03030U) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 大規模データセット ,  異常値検出 ,  アルゴリズム