Algoritmo K-Means parallelo basato su Hadoop-MapReduce per il data mining: DE
Kurzinformation
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage

Beschreibung
Questo lavoro aveva come obiettivo quello di studiare l'utilizzo di un algoritmo di raggruppamento K-Means parallelo, basato sul modello di programmazione MapReduce, per migliorare i tempi di risposta del data mining. Le prestazioni dell'algoritmo sono state valutate in termini di SpeedUp e ScaleUp. A tal fine sono stati eseguiti esperimenti su un cluster Hadoop composto da sei computer con hardware comune. I dati raggruppati sono misurazioni delle torri di flusso delle regioni agricole e appartengono ad Ameriflux. Gli esperimenti sono stati eseguiti utilizzando rispettivamente 3, 4 e 6 macchine. I risultati hanno mostrato che con l'aumento del numero di macchine si è ottenuto un miglioramento delle prestazioni, con il miglior tempo ottenuto utilizzando sei macchine, raggiungendo uno SpeedUp di 3,25. È stato verificato che l'applicazione scala bene con l'aumento equivalente della dimensione dei dati e del numero di macchine nel cluster, raggiungendo prestazioni simili nei test.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- paperback
- 300 Seiten
- Erschienen 2015
- Addison-Wesley Professional
- Gebunden
- 744 Seiten
- Erschienen 2011
- Morgan Kaufmann
- Hardcover
- 318 Seiten
- Erschienen 2014
- De Gruyter Oldenbourg
- Kartoniert
- 351 Seiten
- Erschienen 2016
- mitp
- Gebunden
- 312 Seiten
- Erschienen 2011
- Springer
- Gebunden
- 302 Seiten
- Erschienen 2008
- Springer
- Gebunden
- 336 Seiten
- Erschienen 2011
- Springer
- paperback
- 504 Seiten
- Erschienen 2015
- Apress
- paperback
- 763 Seiten
- Erschienen 2016
- Springer
- paperback
- 452 Seiten
- Erschienen 2016
- Springer
- paperback
- 196 Seiten
- Erschienen 2009
- Springer
- paperback
- 234 Seiten
- Erschienen 2009
- W3l
- Gebunden
- 370 Seiten
- Erschienen 2015
- Springer



