Fr. 47.50

Rilevamento dei valori anomali basato sul clustering dei dati rilevati con HADOOP

Italian · Paperback / Softback

Shipping usually within 2 to 3 weeks (title will be printed to order)

Description

Read more










Gli outlier, considerati come dati rumorosi in statistica, si sono rivelati un problema importante che viene studiato in diversi campi di ricerca e applicazioni. Sono state sviluppate molte tecniche di rilevamento degli outlier specifiche per determinati domini applicativi, mentre alcune tecniche sono più generiche. Alcuni domini applicativi sono oggetto di ricerca in stretta riservatezza, come la ricerca sulla criminalità e sulle attività terroristiche. L'analisi dei big data è diventata molto popolare nello scenario attuale e la manipolazione dei big data ha guadagnato l'attenzione dei ricercatori nel campo dell'analisi dei dati. Il cloud computing mette a disposizione degli utenti risorse infrastrutturali potenti ed economiche per la gestione di Big Data in costante aumento, grazie a framework di elaborazione dati come MapReduce.Questo lavoro considera due algoritmi di clustering noti come DBScan e K-Means e li implementa con il dataset Sensed di Intel Corporation.

About the author










Herr Morison Mourya schloss im Jahr 2016 den Master in Maschinenbau in Computertechnik am Institut für Technik und Technologie, Devi Ahilya Vishwavidyalaya, Indore, ab. Dr. Vaibhav Jain ist Assistenzprofessor am IET-DAVV, Indore, Indien.

Product details

Authors Vaibhav Jain, Morison Mourya
Publisher Edizioni Sapienza
 
Languages Italian
Product format Paperback / Softback
Released 21.11.2022
 
EAN 9786205377741
ISBN 9786205377741
No. of pages 52
Subjects Guides
Natural sciences, medicine, IT, technology > IT, data processing

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.