عنوان
گسسته سازي خصيصه هاي پيوسته در كلان داده وبستر اپاچي اسپارك
نويسنده اصلي
هادي محمدزاده عباچي
مقطع تحصيلي
كارشناسي ارشد
چكيده
گسسته سازي داده‌هاي پيوسته يكي از مراحل پيش‌پردازش مهم در علم اكتشاف دانش و داده‌كاوي محسوب مي‌شود. مدل گسسته سازي مقادير پيوسته را به گسسته و بازه‌اي تبديل مي‌كند. برخلاف متد‌‌هاي بدون ناظر كه از قوانين ابتدايي براي گسسته سازي استفاده مي‌شود، الگوريتم‌هاي با ناظر با به كاربردن برچسب كلاسي در طول گسسته سازي اغلب به‌دقت بالايي دست پيدا مي‌كنند. الگوريتم‌هاي با ناظر با دو چالش مهم روبه‌رو مي‌شوند. اولاً اينكه برچسب كلاسي نويزي بر روي دقت روند گسسته سازي تأثيرگذار است. ثانياً محاسبات زياد الگوريتم‌هاي گسسته سازي با ناظر در ابعاد بالا باعث كاهش سرعت خواهد بود. از طرفي مهم‌ترين مسئله اين است كه فرايند گسسته سازي در داده‌هاي با مقياس بالا و محيط‌هاي پيچيده ازجمله حوزه كلان داده با چالش‌هايي نظير دقت و سرعت كه در تقابل هم هستند قرار مي‌گيرد. در اين پايان‌نامه براي حل چالش‌هاي پيشرو از يك الگوريتم بدون ناظر با پيچيدگي خطي مبتني بر تحليل‌هاي آماري كولموگروف –اسميرنوف استفاده خواهيم كرد. هدف مدل گسسته سازي طراحي‌شده رسيدن به رويكردهاي گسسته سازي با ناظر با دقت بالا و پيچيدگي كمتر است.
شماره ركورد
191301
دانشگاه
دانشگاه علم و صنعت ايران
رشته تحصيلي
هوش مصنوعي
استاد راهنما
دكتر محمدرضا كنگاوري