Comparação de Algoritmos Paralelos para a Extração de Regras de Associação no Modelo de Memória Distribuída

Detalhes bibliográficos
Ano de defesa: 2011
Autor(a) principal: Mariano, Marcos Alves
Orientador(a): Mongelli, Henrique
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://repositorio.ufms.br/handle/123456789/1674
Resumo: Nos ultimos anos, a extra c~ao de conhecimento a partir de grandes volumes de dados t^em sido o objeto de estudo em muitas pesquisas. Com isso, diversas t ecnicas de minera c~ao de dados foram desenvolvidas com o prop osito de descobrir informa c~oes para auxiliar os gestores de empresas e organiza c~oes na tomada de decis~oes. Uma das t ecnicas mais predominantes na minera c~ao de dados e a de extra c~ao de regras de associa c~ao, devido a sua e ci^encia e simplicidade no tratamento das informa c~oes. Com a utiliza c~ao do paralelismo em diversos problemas computacionais, algoritmos paralelos para a minera c~ao de dados foram constru dos utilizando a t ecnica de extra c~ao de regras de associa c~ao. Dentre os algoritmos paralelos mais conhecidos, utilizando o modelo de mem oria distribu da, est a o Apriori, o Eclat e o FP-Growth. Assim, o objetivo deste trabalho e implementar e comparar o desempenho dos algoritmos paralelos Apriori, Eclat e FP-Growth com diferentes n umeros de processadores e tamanhos de bases de dados de entrada.