Телефон: 8-800-350-22-65
WhatsApp: 8-800-350-22-65
Telegram: sibac
Прием заявок круглосуточно
График работы офиса: с 9.00 до 18.00 Нск (5.00 - 14.00 Мск)

Статья опубликована в рамках: Научного журнала «Студенческий» № 39(83)

Рубрика журнала: Информационные технологии

Скачать книгу(-и): скачать журнал часть 1, скачать журнал часть 2, скачать журнал часть 3, скачать журнал часть 4, скачать журнал часть 5, скачать журнал часть 6, скачать журнал часть 7

Библиографическое описание:
Пазухина А.П., Юдаева М.В. ТЕХНОЛОГИЯ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА БОЛЬШИХ ДАННЫХ // Студенческий: электрон. научн. журн. 2019. № 39(83). URL: https://sibac.info/journal/student/83/160203 (дата обращения: 29.03.2024).

ТЕХНОЛОГИЯ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА БОЛЬШИХ ДАННЫХ

Пазухина Анастасия Павловна

студент, кафедра «Защита информации», Институт комплексной безопасности и специального приборостроения, Российский Технологический Университет,

РФ, г. Москва

Юдаева Маргарита Вячеславовна

студент, кафедра «Защита информации», Институт комплексной безопасности и специального приборостроения, Российский Технологический Университет,

РФ, г. Москва

АННОТАЦИЯ

Интеллектуальный анализ больших данных в среде облачных вычислений является методом эффективного применения массивных данных в информационную эпоху.

 

Ключевые слова: интеллектуальный анализ, обработка данных.

 

С развитием времени людям нужны в больших данные. Поэтому необходима новая технология для обработки большого объема данных и извлечения нужной нам информации. Технология интеллектуального анализа данных — это широкая тема, которая объединяет статистические методы и превосходит традиционный статистический анализ. Интеллектуальный анализ данных — это процесс извлечения нужных нам полезных данных из массива данных с помощью технических средств. В технологии интеллектуального анализа больших данных есть ряд проблем.

Для решения некоторых проблем интеллектуального анализа больших массивов данных в данной работе предложен новый и эффективный метод интеллектуального анализа больших массивов данных на основе облачных вычислений. Первый шаг - разложить обучающий набор больших массивов данных по карте, а затем сгенерировать обучающий набор больших массивов данных. Второй шаг заключается в приобретении частых наборов элементов. Третий шаг заключается в реализации слияния по минимуму, и правила ассоциации могут быть получены с помощью частых наборов элементов, а затем обрезки для получения правил классификации. На основе правил классификации строится классификатор объектов больших массивов данных для реализации эффективной классификации и интеллектуального анализа объектов больших массивов данных.

Появление облачных вычислений открывает новое направление для развития технологии интеллектуального анализа данных. Технология интеллектуального анализа данных, основанная на облачных вычислениях, может разработать новые шаблоны. Что касается конкретного осуществления, то решающее значение имеет разработка нескольких ключевых технологий.

Распределенные вычисления являются ключевой технологией платформы облачных вычислений. Это одно из эффективных средств для решения масштабных задач интеллектуального анализа данных и повышения эффективности интеллектуального анализа данных. Распределенные вычисления включают в себя распределенное хранилище и параллельные вычисления. Распределенное хранение эффектно разрешает проблему хранения массивных данных, и осуществляет ключевые функции хранения данных, как высокая отказоустойчивость, высокий уровень безопасности и высокая эффективность. В настоящее время теория распределенных файловых систем, предложенная Google, является основой популярной распределенной файловой системы в отрасли. Файловая система Google (GFS) разработана для решения задач хранения, поиска и анализа ее массы данных. Распределенная структура параллельных вычислений является ключом к эффективному выполнению интеллектуального анализа данных и вычислительных задач.

 

Список литературы:

  1.  [Электронный ресурс]. – Режим доступа: https://studfile.net/preview/6441178/page:13/ (Дата обращения 18.11.2019)
  2. [Электронный ресурс]. – Режим доступа: http://www.tadviser.ru/index.php/Статья:Большие_данные_(Big_Data) (Дата обращения 17.11.2019)
  3. [Электронный ресурс]. – Режим доступа: https://izv.etu.ru/assets/files/izv-etu-5-2016-42-54.pdf (Дата обращения 14.11.2019)

Оставить комментарий

Форма обратной связи о взаимодействии с сайтом
CAPTCHA
Этот вопрос задается для того, чтобы выяснить, являетесь ли Вы человеком или представляете из себя автоматическую спам-рассылку.