Avaliação do framework mapreduce para paralelização do algoritmo apriori

Página do item simplificado
dc.contributor.advisor-coEsmin, Ahmed Ali Abdalla
dc.contributor.advisor1Pereira, Marluce Rodrigues
dc.contributor.referee1Pereira, Denilson Alves
dc.contributor.referee1Castro, Cristiano Leite de
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.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.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
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.urihttps://repositorio.ufla.br/handle/1/5098
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

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
MONOGRAFIA_ Avaliação do framework mapreduce para paralelização do algoritmo apriori.pdf
Tamanho:
2.24 MB
Formato:
Adobe Portable Document Format
Baixar

Licença do pacote

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
953 B
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

PROGRAD - Ciência da Computação (Trabalhos de Conclusão de Curso)