مقاله ترکیب برنامه‌نویسی شبکه ژنتیک و مسئله کوله پشتی برروی پایگاه داده‌های توزیع شدهCombination of genetic network programming and knapsack problem to support record clustering on distributed databases
0 (0)

0دیدگاه کاربران

در انبار موجود نمی باشد

مقاله ترکیب برنامه‌نویسی شبکه ژنتیک و مسئله کوله پشتی برروی پایگاه داده‌های توزیع شدهCombination of genetic network programming and knapsack problem to support record clustering on distributed databases

0 (0)

0دیدگاه کاربران

20,000 تومان

ژورنال

ELSEVIER

سال انتشار

2016

صفحات انگلیسی

20 تا 30

صفحات فارسی

5 تا 10

20,000 تومان

نقد و بررسی

مقاله ترکیب برنامه‌نویسی شبکه ژنتیک و مسئله کوله پشتی برروی پایگاه داده‌های توزیع شده

چکیده فارسی:

این پژوهش شامل اجرای برنامه‌نویسی شبکه ژنتیک (GNP) و برنامه‌نویسی پویای استاندارد برای حل مسئله کوله پشتی (KP) به عنوان سیستم پشتیبان تصمیم برای خوشه‌بندی رکوردها در پایگاه داده توزیع شده است. مسئله تخصیص قطعه1 با توجه به محدودیت ظرفیت ذخیره‌سازی پیش‌زمینه‌ برای روش پیشنهادی است. مسئله ظرفیت ذخیره سازی برای توزیع مجموعه قطعه‌ها در چند سایت (خوشه‌ها) است. مجموع قطعه‌ها در هر سایت نباید از ظرفیت سایت تجاوز کند، در حالی که فرآیند توزیع باید ارتباط (تشابه) بین قطعه‌ها را در هر سایت حفظ کند. هدف توزیع داده بزرگ برای سایت‌های اصلی با مقدار محدود شده ظرفیت با بررسی تشابه داده توزیع شده در هر سایت است. برای حل این مسئله، GNP برای استخراج قوانین از داده بزرگ با بررسی ویژگی‌های (دامنه مقادیر) هر صفت در پایگاه داده استفاده می‌شود. روش پیشنهادی، روش تصادفی جزئی استخراج قوانین را در GNP برای کشف الگوی تکراری فراوان‌ترین الگوها در پایگاه داده برای بهبود الگوریتم خوشه‌بندی، به خصوص در مسائل با داده بزرگ، ارائه داده است. مفهوم KP برای مسئله ظرفیت ذخیره سازی بکار می‌رود و برنامه نویسی پویای استاندارد برای توزیع قوانین برای هر سایت با بررسی تشابه (ارزش) و حجم داده (وزن) مربوط به هر قانون برای تطبیق ظرفیت سایت استفاده می‌شود. از نتایج شبیه‌سازی، بدیهی است که روش پیشنهادی مزایایی را برروی الگوریتم خوشه‌بندی معمولی نشان می‌دهد، بنابراین، روش پیشنهادی روش خوشه‌بندی جدیدی را یا مسئله ظرفیت ذخیره سازی اضافی ارائه می‌دهد.

چکیده انگلیسی :

This research involves implementation of genetic network programming (GNP) and standard dynamic programming to solve the knapsack problem (KP) as a decision support system for record clustering in distributed databases.Fragment allocation with storage capacity limitation problem is a background of the proposed method.The problem of storage capacity is to distribute sets of fragment in to several sites(clusters).Total a mount of fragments in each site must not exceed the capacity of site,while the distribution process must keep the relation (similarity) between fragments with in each site.The objective is to distribute big data to certain sites with the limited amount of capacities by considering the similarity of distributed data in each site.To solve this problem,GNP is used to extract rules from big data by considering characteristics (value ranges) of each attribute in a data set .The proposed method also provides partial random rule extraction method in GNP to discover frequent patterns in a database for improving the clustering algorithm,especially for large data problems.The concept of KP is applied to the storage capacity problem and standard dynamic programming is used to distribute rules to each site by considering similarity (value) and data  amount (weight) related to each rule to match the it e capacities .From the simulation results ,it is clarified that the proposed method shows some advantages over the conventional clustering algorithms,therefore,the proposed method provides a new clustering method with an additional storage capacity problem.

ژورنال

ELSEVIER

سال انتشار

2016

صفحات انگلیسی

20 تا 30

صفحات فارسی

5 تا 10

دیدگاه خود را در باره این کالا بیان کنید افزودن دیدگاه

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

    هیچ پرسش و پاسخی ثبت نشده است.

پرسش خود را درباره این کالا بیان کنید

ثبت پرسش
انصراف ثبت پرسش
دانشگاه یار

عضویت از 10 ماه قبل

شماره تماس: 09120723889

امتیازی ثبت نشده
https://daneshgahyar.com/shop/mobina-khaleghi/

محصولات مرتبط