دانلود با لینک مستقیم و پر سرعت .
یکی از جهت گیری های جدید در رشته کامپیوتر، بحث داده های بزرگ یا کلان داده ها (Big Data) است که در چند سال گذشته توجه زیادی را به خود جلب کرده است. میتوان با جستجو درون این داده های بزرگ و حجیم، الگوهایی را کشف کرد و از آنها استفاده کرد. همچنین قابلیت یادگیری از این داده ها و دیتاست ها نیز وجود دارد. با این وجود به خاطر تنوع و به دست آمدن این داده ها از چندین منبع، ممکن است تصمیمات و یادگیریها دقیق نباشند و از همین رو بایستی درجه ای از عدم اطمینان (Uncertainty) نیز در تصمیم گیری ها لحاظ شود. مشکل دیگری که وجود دارد این است نامتعادل بودن (Imbalance) دیتاست هاست؛ به این معنی که مفاهیم مهم ممکن است توسط تعداد کمی از نمونه ها بیان شده باشند.
در این مقاله به منظور روبرو شدن با دیتاست های نامتعادل روشی به نام Chi-FRBCS-BigDataCS ارائه شده است که یک سیستم دسته بندی مبتنی بر قوانین فازی (fuzzy rule based classification system) است که میتواند عدم قطعیت موجود در دیتاست های بزرگ را در نظر بگیرد. این روش از سیستم نگاشت- کاهش (MapReduce) برای توزیع اعمال محاسباتی مدل فازی استفاده میکند و همچنین تکنیک های یادگیری حساس به هزینه (cost-sensitive learning techniques) را به کار میگیرد. آزمایشات بر روی 24 دیتاست انجام شده است و نتایج به دست آمده نشان میدهد که الگوریتم میتواند نسبت به دبگر روشها هم کارایی بهتری داشته باشد و هم در زمان کمتری انجام شود.
این مقاله در سال 2015 در ژورنال سیستم ها و مجموعه های فازی (Fuzzy sets and systems) منتشر شده است که یکی از ژورنالهای معروف در زمینه سیستم های فازی و مسائل مربوط به آنها می باشد. مقالات این ژورنال آس اس آی (ISI) هستند و در توسط انتشارات تامسون رویترز (Thomson-reuters) و اسکوپوس (Scopus)، الزویر (Elsevier) و بسیاری سایت های دیگر ایندکس میشوند.
تعداد صفحات: 34
کلمات کلیدی:
مقاله کامپیوتر، مقاله 2015 کامپیوتر، مقاله آی اس آی کامپیوتر، مقاله ISI کامپیوتر، داده های بزرگ، مقاله Big data، داده های حجیم، ابرداده ها، کلان داده ها، سیستم های فازی، منطق فازی، عدم قطعیت، دیتاست های نامتعادل، دیتاست های بالانس نشده، دسته بندی فازی، یادگیری حساس به هزینه، سیستم هدوپ، نگاشت - کاهش، Big data, Fuzzy rule based classification systems, mapreduce, hadooop, Imbalanced datasets, cost sensitive learning,
(قیمت ترجمه این مقاله با بهترین کیفیت، کاملا تخصصی و تایپ شده: حدود 220 هزار تومان)
پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.
تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:
ArticleEbookFinder@gmail.com
شماره تماس ما در نرم افزار واتس آپ:
+98 921 764 6825
شماره تماس ما در نرم افزار تلگرام:
+98 921 764 6825
توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.