دانلود مقاله و خرید ترجمه:متد های موازی جدید برای کاوش قواعد انجمنی در سیستم های حافظه مشترک چند هسته ای - 2014
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

مقالات ترجمه شده داده کاوی ( data mining )
  • Novel parallel method for association rule mining on multi-core shared memory systems متد های موازی جدید برای کاوش قواعد انجمنی در سیستم های حافظه مشترک چند هسته ای

    دسته بندی:

    داده کاوی - data mining


    سال انتشار:

    2014


    ترجمه فارسی عنوان مقاله:

    متد های موازی جدید برای کاوش قواعد انجمنی در سیستم های حافظه مشترک چند هسته ای


    عنوان انگلیسی مقاله:

    Novel parallel method for association rule mining on multi-core shared memory systems


    منبع:

    Sciencedirect - Elsevier - Parallel Computing 40 (2014) 768–785


    نویسنده:

    Lan Vu , Gita Alaghband


    چکیده انگلیسی:

    Association rule mining (ARM) is an important task in data mining with many practical applications. Current methods for association rule mining have shown unstable performance for different database types and under-utilize the benefits of multi-core shared memory machines. In this paper, we address these issues by presenting a novel parallel method for finding frequent patterns, the most computational intensive phase of ARM. Our proposed method, named ShaFEM, combines two mining strategies and applies the most appropriate one to each data subset of the database to efficiently adapt to the data characteristics and run fast on both sparse and dense databases. In addition, our newlock-free design minimizes the synchronization needs and maximizes the data independence to enhance the scalability. The new structure lends itself well to dynamic job scheduling resulting in a well-balanced load on the new multi-core shared memory architectures. We have evaluated ShaFEM on 12-core multi-socket servers and found that our method run up to 5.8 times faster and consumes memory up to 7.1 times less than the state-of-the-art parallel method. For some test cases, ShaFEM can save up to 4.9 days of execution time over the compared method.
    Keywords: Frequent pattern mining | Multi-core | Shared memory | Association rule mining | Parallel algorithm | Databases


    چکیده فارسی:

    کاوش قواعد انجمنی یا ARM در داده کاوی با برنامه های عملی یک امر مهم محسوب میشود. متد های فعلی برای کاوش قواعد انجمنی بری انواع پایگاه داده های مختلف عملکرد های ناپایدار و عدم استفاده بهینه از مزایا ی ماشین های حافظه مشترک چند هسته ای را نشان داه است .در این مقاله ما بوسیله ارایه یک مدل جدید موازی در جهت پیدا کردن الگو های مکرر -محاسباتی ترین فاز ARM را مورد بررسی قرار می دهیم .متد ارایه شده ما به اصطلاح SHaFEMدو استراتژی کاوش را ترکیب کرده و مناسبت ترین آن را به هر یک از زیر مجموعه داده های پایگاه داده در خصوص سازگاری کارآمد مشخصه های داده و اجرای سریع در هر دو پایگاه داده های متراکم و پراکنده اعمال میکند .در ضمن طراحی بدون قفل ما نیاز به همگام سازی را به حداقل رسانده و به منظور افرایش مقیاس پذیری استقلال داده ها را حداکثر می رساند .ساختار جدید به خوبی خود را با زمان بندی شغالی داینامیکی پیوند میدهد که نتیجه بارگذاری متعادل روی معماری حافظه های مشترک چند هسته ای می باشد. ما متد SHaFEM را روی سرور های چند سوکتی ۱۲ هسته ای ارزیابی کرده ایم و دست یافتیم که متد ما ۵ برابرا سریع تر اجرا شده و ۷ برابر کمتر از تکنولوزی های جدید متد موازی حافظه را مصرف میکند .برای برخی از موارد آزمون در مقایسه با متد های ذکر شده متد SHaFEM می تواند 4.9 دهم از زمان اجرا را صرفه جویی کند .
    کلمات کلیدی: کاوش الگوی مکرر | چند هسته ای | حافظه مشترک | کاوش قوانین انجمنی | الگوریتم موازی | پایگاه های داده


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 18
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 47

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 2500 کیلوبایت


    قیمت: 32400 تومان   


    توضیحات اضافی:

    این مقاله یکی از بهترین مقالات در زمینه داده کاوی، سیستم های خبره، پردازش موازی و پایگاه داده می باشد که به تنهایی می تواند یک منبع اصلی جهت مقاله یا پایان نامه مورد استفاده قرار بگیرد.




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 2401 :::::::: بازدید دیروز: 3084 :::::::: بازدید کل: 5485 :::::::: افراد آنلاین: 10