Comparação de Algoritmos Paralelos para a Extração de Regras de Associação no Modelo de Memória Distribuída
| Ano de defesa: | 2011 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | https://repositorio.ufms.br/handle/123456789/1674 |
Resumo: | Nos ultimos anos, a extra c~ao de conhecimento a partir de grandes volumes de dados t^em sido o objeto de estudo em muitas pesquisas. Com isso, diversas t ecnicas de minera c~ao de dados foram desenvolvidas com o prop osito de descobrir informa c~oes para auxiliar os gestores de empresas e organiza c~oes na tomada de decis~oes. Uma das t ecnicas mais predominantes na minera c~ao de dados e a de extra c~ao de regras de associa c~ao, devido a sua e ci^encia e simplicidade no tratamento das informa c~oes. Com a utiliza c~ao do paralelismo em diversos problemas computacionais, algoritmos paralelos para a minera c~ao de dados foram constru dos utilizando a t ecnica de extra c~ao de regras de associa c~ao. Dentre os algoritmos paralelos mais conhecidos, utilizando o modelo de mem oria distribu da, est a o Apriori, o Eclat e o FP-Growth. Assim, o objetivo deste trabalho e implementar e comparar o desempenho dos algoritmos paralelos Apriori, Eclat e FP-Growth com diferentes n umeros de processadores e tamanhos de bases de dados de entrada. |
| id |
UFMS_5c5360564300aad5b3e8e14da3285ebe |
|---|---|
| oai_identifier_str |
oai:repositorio.ufms.br:123456789/1674 |
| network_acronym_str |
UFMS |
| network_name_str |
Repositório Institucional da UFMS |
| repository_id_str |
|
| spelling |
2012-11-30T18:38:13Z2021-09-30T19:56:11Z2011https://repositorio.ufms.br/handle/123456789/1674Nos ultimos anos, a extra c~ao de conhecimento a partir de grandes volumes de dados t^em sido o objeto de estudo em muitas pesquisas. Com isso, diversas t ecnicas de minera c~ao de dados foram desenvolvidas com o prop osito de descobrir informa c~oes para auxiliar os gestores de empresas e organiza c~oes na tomada de decis~oes. Uma das t ecnicas mais predominantes na minera c~ao de dados e a de extra c~ao de regras de associa c~ao, devido a sua e ci^encia e simplicidade no tratamento das informa c~oes. Com a utiliza c~ao do paralelismo em diversos problemas computacionais, algoritmos paralelos para a minera c~ao de dados foram constru dos utilizando a t ecnica de extra c~ao de regras de associa c~ao. Dentre os algoritmos paralelos mais conhecidos, utilizando o modelo de mem oria distribu da, est a o Apriori, o Eclat e o FP-Growth. Assim, o objetivo deste trabalho e implementar e comparar o desempenho dos algoritmos paralelos Apriori, Eclat e FP-Growth com diferentes n umeros de processadores e tamanhos de bases de dados de entrada.In the last years, the extraction of knowledge from large amount of data have been the object of study in many surveys. Then, many data mining techniques have been developed in order to discover information to assist managers of companies and organizations in decision-making. One of the most prevalent techniques in data mining is the extraction of association rules, due to its e ciency and simplicity in managing information. With the utilization of the parallelism in many computational problems, works with algorithms for mining data were constructed using the technique of extracting association rules. Among the best most common algorithms using distributed memory model, is the Apriori, the Eclat and FP-Growth. So the main objective of this research is to implement and compare the performance of parallel algorithms Apriori, Eclat and FP-Growth with di erent processor numbers and sizes of input databases.porAlgorítmos ParalelosParallel AlgorithmsMineração de Dados (Computação)Data MiningInteligência ArtificialArtificial IntelligenceBanco de Dados DistribuídoDistributed DatabasesProcessamento Eletrônico de Dados - processamento distribuídoElectronic Data Processing - distributed processingComparação de Algoritmos Paralelos para a Extração de Regras de Associação no Modelo de Memória Distribuídainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisMongelli, HenriqueMariano, Marcos Alvesinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMSinstname:Universidade Federal de Mato Grosso do Sul (UFMS)instacron:UFMSTHUMBNAILMarcos Alves Mariano.PDF.jpgMarcos Alves Mariano.PDF.jpgGenerated Thumbnailimage/jpeg1269https://repositorio.ufms.br/bitstream/123456789/1674/4/Marcos%20Alves%20Mariano.PDF.jpgd75ae123d162eb7f962574c59605aec0MD54TEXTMarcos Alves Mariano.PDF.txtMarcos Alves Mariano.PDF.txtExtracted texttext/plain147096https://repositorio.ufms.br/bitstream/123456789/1674/3/Marcos%20Alves%20Mariano.PDF.txtbb31e60b7de586200b796f8f19101e89MD53ORIGINALMarcos Alves Mariano.PDFMarcos Alves Mariano.PDFapplication/pdf2790189https://repositorio.ufms.br/bitstream/123456789/1674/1/Marcos%20Alves%20Mariano.PDF168530f3574b15e07dd8956ae0d6c06eMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufms.br/bitstream/123456789/1674/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/16742021-09-30 15:56:11.201oai:repositorio.ufms.br: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Repositório InstitucionalPUBhttps://repositorio.ufms.br/oai/requestri.prograd@ufms.bropendoar:21242021-09-30T19:56:11Repositório Institucional da UFMS - Universidade Federal de Mato Grosso do Sul (UFMS)false |
| dc.title.pt_BR.fl_str_mv |
Comparação de Algoritmos Paralelos para a Extração de Regras de Associação no Modelo de Memória Distribuída |
| title |
Comparação de Algoritmos Paralelos para a Extração de Regras de Associação no Modelo de Memória Distribuída |
| spellingShingle |
Comparação de Algoritmos Paralelos para a Extração de Regras de Associação no Modelo de Memória Distribuída Mariano, Marcos Alves Algorítmos Paralelos Parallel Algorithms Mineração de Dados (Computação) Data Mining Inteligência Artificial Artificial Intelligence Banco de Dados Distribuído Distributed Databases Processamento Eletrônico de Dados - processamento distribuído Electronic Data Processing - distributed processing |
| title_short |
Comparação de Algoritmos Paralelos para a Extração de Regras de Associação no Modelo de Memória Distribuída |
| title_full |
Comparação de Algoritmos Paralelos para a Extração de Regras de Associação no Modelo de Memória Distribuída |
| title_fullStr |
Comparação de Algoritmos Paralelos para a Extração de Regras de Associação no Modelo de Memória Distribuída |
| title_full_unstemmed |
Comparação de Algoritmos Paralelos para a Extração de Regras de Associação no Modelo de Memória Distribuída |
| title_sort |
Comparação de Algoritmos Paralelos para a Extração de Regras de Associação no Modelo de Memória Distribuída |
| author |
Mariano, Marcos Alves |
| author_facet |
Mariano, Marcos Alves |
| author_role |
author |
| dc.contributor.advisor1.fl_str_mv |
Mongelli, Henrique |
| dc.contributor.author.fl_str_mv |
Mariano, Marcos Alves |
| contributor_str_mv |
Mongelli, Henrique |
| dc.subject.por.fl_str_mv |
Algorítmos Paralelos Parallel Algorithms Mineração de Dados (Computação) Data Mining Inteligência Artificial Artificial Intelligence Banco de Dados Distribuído Distributed Databases Processamento Eletrônico de Dados - processamento distribuído Electronic Data Processing - distributed processing |
| topic |
Algorítmos Paralelos Parallel Algorithms Mineração de Dados (Computação) Data Mining Inteligência Artificial Artificial Intelligence Banco de Dados Distribuído Distributed Databases Processamento Eletrônico de Dados - processamento distribuído Electronic Data Processing - distributed processing |
| description |
Nos ultimos anos, a extra c~ao de conhecimento a partir de grandes volumes de dados t^em sido o objeto de estudo em muitas pesquisas. Com isso, diversas t ecnicas de minera c~ao de dados foram desenvolvidas com o prop osito de descobrir informa c~oes para auxiliar os gestores de empresas e organiza c~oes na tomada de decis~oes. Uma das t ecnicas mais predominantes na minera c~ao de dados e a de extra c~ao de regras de associa c~ao, devido a sua e ci^encia e simplicidade no tratamento das informa c~oes. Com a utiliza c~ao do paralelismo em diversos problemas computacionais, algoritmos paralelos para a minera c~ao de dados foram constru dos utilizando a t ecnica de extra c~ao de regras de associa c~ao. Dentre os algoritmos paralelos mais conhecidos, utilizando o modelo de mem oria distribu da, est a o Apriori, o Eclat e o FP-Growth. Assim, o objetivo deste trabalho e implementar e comparar o desempenho dos algoritmos paralelos Apriori, Eclat e FP-Growth com diferentes n umeros de processadores e tamanhos de bases de dados de entrada. |
| publishDate |
2011 |
| dc.date.issued.fl_str_mv |
2011 |
| dc.date.accessioned.fl_str_mv |
2012-11-30T18:38:13Z |
| dc.date.available.fl_str_mv |
2021-09-30T19:56:11Z |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
https://repositorio.ufms.br/handle/123456789/1674 |
| url |
https://repositorio.ufms.br/handle/123456789/1674 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMS instname:Universidade Federal de Mato Grosso do Sul (UFMS) instacron:UFMS |
| instname_str |
Universidade Federal de Mato Grosso do Sul (UFMS) |
| instacron_str |
UFMS |
| institution |
UFMS |
| reponame_str |
Repositório Institucional da UFMS |
| collection |
Repositório Institucional da UFMS |
| bitstream.url.fl_str_mv |
https://repositorio.ufms.br/bitstream/123456789/1674/4/Marcos%20Alves%20Mariano.PDF.jpg https://repositorio.ufms.br/bitstream/123456789/1674/3/Marcos%20Alves%20Mariano.PDF.txt https://repositorio.ufms.br/bitstream/123456789/1674/1/Marcos%20Alves%20Mariano.PDF https://repositorio.ufms.br/bitstream/123456789/1674/2/license.txt |
| bitstream.checksum.fl_str_mv |
d75ae123d162eb7f962574c59605aec0 bb31e60b7de586200b796f8f19101e89 168530f3574b15e07dd8956ae0d6c06e 8a4605be74aa9ea9d79846c1fba20a33 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional da UFMS - Universidade Federal de Mato Grosso do Sul (UFMS) |
| repository.mail.fl_str_mv |
ri.prograd@ufms.br |
| _version_ |
1845881973081374720 |