ای آر پایانامه

 

مقاله Kدرmeans Clustering Algorithms on MapReduce: A Review word دارای 5 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله Kدرmeans Clustering Algorithms on MapReduce: A Review word کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله Kدرmeans Clustering Algorithms on MapReduce: A Review word ،به هیچ وجه بهم ریختگی وجود ندارد

---

بخشی از متن مقاله Kدرmeans Clustering Algorithms on MapReduce: A Review word :

سال انتشار: 1393
محل انتشار: سومین کنفرانس الکترونیکی بین المللی فناوری اطلاعات، حال و آینده
تعداد صفحات: 5
نویسنده(ها):
Elias Ameli Bafandeh – Department of Engineering Islamic Azad University of Mashhad Mashhad, Iran
Hossein Deldari – Associated professor Islamic Azad University of Mashhad Mashhad, Iran

چکیده:

As web clicks, commercial, social networks, andscientific data sources growing with an extraordinary rate, it isvery necessary to analyze this data with powerful clusteringalgorithms. Current data mining Algorithms cannot deal withlarge datasets due to their large size and complexity. Forextracting useful information from these large datasets, newmining techniques are necessary. K-means is the most widely usedpartitional clustering algorithm and it is extremely sensitive to theinitial centroid selection. There is a growing development ofanalysis on large datasets using MapReduce jobs. MapReduceparallel processing is a framework for working with cloudcomputing, K-means is not suitable to be used in MapReducebecause of having repetitive calculation in working with largedata. For this reason, in recent years several research to optimizethe algorithm and reduce dependence on iterative computing isdone. In this article have been trying to work in the field toinvestigate the problem. The most important improvements havetaken place on the algorithm in order to reduce the number ofiterations and improvements done in the central parts of the initialselection.

 

 

کلمات کلیدی :