1. RI UFLA
  2. Pró-Reitoria de Graduação - PROGRAD
  3. PROGRAD - Cursos presenciais
  4. PROGRAD - Ciência da Computação (Trabalhos de Conclusão de Curso)
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/5098
Registro completo de metadados
Campo DCValorIdioma
dc.creatorBolina, André Camilo-
dc.date.accessioned2015-02-19T20:09:58Z-
dc.date.available2015-02-19T20:09:58Z-
dc.date.issued2015-
dc.date.submitted2013-04-15-
dc.identifier.citationBOLINA, A. C. Avaliação do framework mapreduce para paralelização do algoritmo apriori. 2013. 69 p. Monografia (Graduação em Ciência da Computação) - Universidade Federal de Lavras, Lavras, 2014.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/5098-
dc.description.abstractThe frequent-patterns mining is an area of extensive use in computing, its your objective is to find information about relevant patterns in large amounts of data. But the main algorithms for frequent-patterns mining have a high execution time, due to the large volume of data they work with. Therefore, parallel programming and frameworks that use this concept seem a good solution to reduce the execution time and level of computing required by these algorithms. This work proposes the parallel and distributed implementation of the Apriori algorithm, well known in the research area of frequent-patterns mining, using MapReduce Framework. The results were compared with the DMTA algorithm (Distributed Multithread Apriori), which also implements the Apriori algorithm in distributed and parallel, but using MPI and OpenMP libraries to create and manage processes and threadspt_BR
dc.languagept_BRpt_BR
dc.rightsacesso abertopt_BR
dc.subjectProcessamento paralelo e distribuidopt_BR
dc.subjectMineração de dadospt_BR
dc.subjectAlgoritmo aprioript_BR
dc.subjectMapReducept_BR
dc.titleAvaliação do framework mapreduce para paralelização do algoritmo aprioript_BR
dc.typeTCCpt_BR
dc.contributor.advisor-coEsmin, Ahmed Ali Abdalla-
dc.contributor.advisor1Pereira, Marluce Rodrigues-
dc.contributor.referee1Pereira, Denilson Alves-
dc.contributor.referee1Castro, Cristiano Leite de-
dc.description.resumoA mineração de padrões frequentes é uma área da computação de ampla utilização. Seu objetivo é encontrar padrões de informações relevantes em grandes quantidades de dados. Porém, os principais algoritmos para mineração de padrões frequentes possuem alto tempo de execução, visto o grande volume de dados com que trabalham. Sendo assim, a programação paralela e distribuída e os frameworks de paralelização de algoritmos são uma boa alternativa para reduzir o tempo de execução necessário para processar as aplicações. Este trabalho propõe a implementação paralela e distribuída do algoritmo Apriori, bastante conhecido na área da mineração de padrões frequentes, utilizando para isso o Framework MapReduce. Os resultados são comparados com o algoritmo DMTA (Distributed Multithread Apriori), que também executa o algoritmo Apriori de forma paralela e distribuída, mas utilizando as bibliotecas MPI e OpenMP para criar e gerenciar processos e threads.pt_BR
Aparece nas coleções:PROGRAD - Ciência da Computação (Trabalhos de Conclusão de Curso)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_ Avaliação do framework mapreduce para paralelização do algoritmo apriori.pdf2,29 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.