Extraction Des Itemsets Fréquents À Partir Des Données Imparfaites Dans Le Contexte Du Big Data
Résumé: Dans ce travail, nous proposons une extraction distribuées des itemsets fréquents à partir de données évidentielles. La solution est basée sur le modèle de programmation MapReduce afin de palier au problème de passage à l’échelle inhérent au Big Data. La démarche utilisée se repose sur le calcul du support évidentiel précis, ensuite nous conservons que ceux qui sont fréquents (c’est-à-dire ceux qui ont des fréquences d’apparition appelées supports précis dont les valeurs sont supérieures ou égales à un seuil minimal fixé. L’algorithme proposé a été testé sur des données synthétiques et a montré son efficacité. MOTS-CLéS : Itemsets fréquents, Données imparfaites, Supports précis, Big data, Hadoop, MapReduce.
Mots-clès:
Nos services universitaires et académiques
Thèses-Algérie vous propose ses divers services d’édition: mise en page, révision, correction, traduction, analyse du plagiat, ainsi que la réalisation des supports graphiques et de présentation (Slideshows).
Obtenez dès à présent et en toute facilité votre devis gratuit et une estimation de la durée de réalisation et bénéficiez d'une qualité de travail irréprochable et d'un temps de livraison imbattable!
Aucun fichier associé
Si le fichier est volumineux, l'affichage peut échouer. Vous pouvez obtenir le fichier directement en cliquant sur le bouton "Télécharger".
