Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados

Detalhes bibliográficos
Autor(a) principal: Maukoski, William Xavier
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UEPG
Texto Completo: http://tede2.uepg.br/jspui/handle/prefix/2991
Resumo: A mineração de dados (MD) é potencialmente onerosa, estudos para diminuir o tempo de resposta são essenciais para conseguir entregar resultados em tempos menores. Muitas soluções propostas por trabalhos correlatos utilizam computação em clusters (aglomerados) de computadores, uma alternativa a isto é utilizar a computação com GPU. A programação com GPU, necessita um conhecimento aprofundado do algoritmo a ser trabalhado e de um entendimento da arquitetura da GPU que será utilizada. Este trabalho tem por objetivo geral investigar o uso da computação paralela em ambiente manycore para reduzir o tempo de resposta de algirtmos de MD. O algoritmo K-means por ser comumente adotados em tarefas de IA e sua característica NP-Difícil foi o escolhido para ser paralelizado. Foram utilizadas ferramentas para identificar o ponto de gargalo do K-means, simultaneamente foram feitas as avaliações dos pontos positivos e negativos destas ferramentas. Após identificar o ponto de gargalo do algoritmo, ele foi reescrito para ser executado com suporte da GPU, foram feitas as coletas dos tempos de respostas e pôr fim a medição do ganho de desempenho utilizando a GPU. Ao utilizar a GPU foi primeiro constatado um SpeedUP máximo de 7,09 e uma eficiência de 0,65% considerados pequenos ao comparar com outros trabalhos da literatura. Para contornar isto foi feito um aumento na base de dados utilizada aumentado o tempo de execução, assim obteve-se resultados melhores com um SpeedUp de 26,001 e uma eficiência de 2,4% ao utilizar o máximo de cores da GPU. Concluindo-se que é possível diminuir o tempo de resposta de algoritmos de mineração de dados utilizando GPU, sem precisar alterar o hardware do equipamento.
id UEPG_a2f4665df54db90a5a2f45f93bff6dfe
oai_identifier_str oai:tede2.uepg.br:prefix/2991
network_acronym_str UEPG
network_name_str Biblioteca Digital de Teses e Dissertações da UEPG
repository_id_str
spelling Senger, Luciano José93591187968http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4767325H4&tokenCaptchar=03AOLTBLR0u9XoM6SqQLoJQgoqwpJGXIZMdVivDq724beoJkByQgCoXv9YMT1MxGvdM5h9zsPcjHUWp695t_Ixmisf1GmARCQOdhjKU0RujLHZYKIUQWPUYrlYKL69dMJBjqv5q2Jg1gF7xV-i3IJk8hILjTRNCMKr0oemy32Qgcq0MHgutPpNqpb5BR42H1jM8x2Bd_gf7HeE4RVN2WauqSwobHjTIDYiAE3yt19Alv5oe1FUC3P2fxutWBuymJXvulPqWju9Sm4_yG2ySvm2RirSR90wxf2a1YPraEE4c9hzfkZSib-lYSdOMFg4NCHD8TL0Sg7RllLYWU_wFX23tZDZRto9t1eOO62NrPe4phRCzWJQVHrBtdfwlavtkWU5eDqWwey37C8PArXwbphSLgtrfgbxX2fA8Z0Y2_GjGCBm4nLSJBrPVuOQLASP3sY_pK_4Z7t9OCH8_tHlfG3ysINLNMSTRSRPZ-ClXQtfkZ-L9k1H3_p84Ad6ft07CEBcx1JnkiUkO48_QLxaF_0tDkDdFteci3RrSwIshii, Renato Porfirio80760414149http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4767325H4&tokenCaptchar=03AOLTBLR0u9XoM6SqQLoJQgoqwpJGXIZMdVivDq724beoJkByQgCoXv9YMT1MxGvdM5h9zsPcjHUWp695t_Ixmisf1GmARCQOdhjKU0RujLHZYKIUQWPUYrlYKL69dMJBjqv5q2Jg1gF7xV-i3IJk8hILjTRNCMKr0oemy32Qgcq0MHgutPpNqpb5BR42H1jM8x2Bd_gf7HeE4RVN2WauqSwobHjTIDYiAE3yt19Alv5oe1FUC3P2fxutWBuymJXvulPqWju9Sm4_yG2ySvm2RirSR90wxf2a1YPraEE4c9hzfkZSib-lYSdOMFg4NCHD8TL0Sg7RllLYWU_wFX23tZDZRto9t1eOO62NrPe4phRCzWJQVHrBtdfwlavtkWU5eDqWwey37C8PArXwbphSLgtrfgbxX2fA8Z0Y2_GjGCBm4nLSJBrPVuOQLASP3sY_pK_4Z7t9OCH8_tHlfG3ysINLNMSTRSRPZ-ClXQtfkZ-L9k1H3_p84Ad6ft07CEBcx1JnkiUkO48_QLxaF_0tDkDdFteci3RrSwCampos Junior, Arion de01435778910http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4708079Y6&tokenCaptchar=03AOLTBLQYuxg5qsVGCrrC8v0TRUkK0Jq3zj71swHM54t2Epq3geqX58pOER3rmjF3D04PRGedwUxnAn0A4k9rqlikesp7yPieh0bC-3kSM8Dsde4ctC_GVGwFFZL6xvUFMGWuERJ2QDn_HlWh0GQ4n7B0u0ccq8Fx2KLFvr6pdd6e0f3rcZYrkAANazn1VaDWh7xp7DwFZjSZL6Svu6NzG76N-goXBDuJgKPSIhgL2BM_KAWZxUKrfrWw7Tt1JwA8GlnEjSPZK-3YOryCquP1rZPF3hJ5j3D6gEmiZXP7I9f1MWkSEGx26WQUqQTEZgPAaXeuvt5AMpHVB-bjpwNMgEhSelisffpuUP8PpZhR2kTWSoT2h-9yvovwsEdHOz_3e5QafANcgHtEb8hlTqiKtYYhDBX-NBW41oJEjrBmSSt2TMA28srLJOCIFHce1VkQYR8qOxusNCcC50OVQc7pmFTpxMHJsZzerZEzetRxZfUTfzh2LUygYIFig7HB-G6GALihVb632v6va4gyGyM7AfysJidKYc3TIgUniversidade Estadual de Ponta Grossa08606561959http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4835175Z6&tokenCaptchar=03AOLTBLTS0-ovVn8-cpFjiX4KlTu2XEXI8_FE1DS0JnNvmuqfyREs3zqyItKaxM24umLHPDQr66QEclNd4QrgOhRWsJZHSO7mt06kxj_bCxbkgnMiNZXRXHK0_0t8mmI9Haya6XVM4t91I-tTXRTBQ3svJTDZ6aHLpQBlIoYnzuCysUNZ7m4epFzJzZaRg88LggadE2qY9HoDFodcLq5ay1VjfRAcfr9nj2ucfvRo44DaQvDnfyet5BCiUDfOnC0XGhcW_Bqcy257TWwGHSqilMNHiTv6BMs7OnqU_ewkqqp-hx5F_7db628EUeTpqEKGABXPSg3QzPxZ4PFOzPWn1gs96F3Y_4eZf9vBN93dhI3gBnPYl2DTUF-7Y-De7ToGg8rXxF12w9f2E-N8rvC88Jdm2LxmMHfh6BYYwbWCDbGKnfqFu3vpaZcFJXyZFYZdtjA6ReiUn4XB5Ej6isIJ_VAbBozqkmcacyFx3Ikb8g48DwSi7_ywSmv5SlQL_H_d_HxUILgh-CfiMaukoski, William Xavier2019-12-03T13:09:04Z2019-12-032019-12-03T13:09:04Z2019-05-29MAUKOSKI, W. X. Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados.Orientador: Luciano José Senger. 2019. Dissertação (Mestrado em Computação Aplicada) - Universidade Estadual de Ponta Grossa, Ponta Grossa, 2019.http://tede2.uepg.br/jspui/handle/prefix/2991A mineração de dados (MD) é potencialmente onerosa, estudos para diminuir o tempo de resposta são essenciais para conseguir entregar resultados em tempos menores. Muitas soluções propostas por trabalhos correlatos utilizam computação em clusters (aglomerados) de computadores, uma alternativa a isto é utilizar a computação com GPU. A programação com GPU, necessita um conhecimento aprofundado do algoritmo a ser trabalhado e de um entendimento da arquitetura da GPU que será utilizada. Este trabalho tem por objetivo geral investigar o uso da computação paralela em ambiente manycore para reduzir o tempo de resposta de algirtmos de MD. O algoritmo K-means por ser comumente adotados em tarefas de IA e sua característica NP-Difícil foi o escolhido para ser paralelizado. Foram utilizadas ferramentas para identificar o ponto de gargalo do K-means, simultaneamente foram feitas as avaliações dos pontos positivos e negativos destas ferramentas. Após identificar o ponto de gargalo do algoritmo, ele foi reescrito para ser executado com suporte da GPU, foram feitas as coletas dos tempos de respostas e pôr fim a medição do ganho de desempenho utilizando a GPU. Ao utilizar a GPU foi primeiro constatado um SpeedUP máximo de 7,09 e uma eficiência de 0,65% considerados pequenos ao comparar com outros trabalhos da literatura. Para contornar isto foi feito um aumento na base de dados utilizada aumentado o tempo de execução, assim obteve-se resultados melhores com um SpeedUp de 26,001 e uma eficiência de 2,4% ao utilizar o máximo de cores da GPU. Concluindo-se que é possível diminuir o tempo de resposta de algoritmos de mineração de dados utilizando GPU, sem precisar alterar o hardware do equipamento.Data mining (MD) is potentially costly, studies to decrease response time are essen- tial to deliver results in shorter times. Many solutions proposed by related work use computation in clusters of computers, an alternative to this is to use GPU computing. Programming with GPU requires a thorough knowledge of the algorithm to be worked on and an understanding of the GPU architecture that will be used. This work has the general objective to investigate the use of parallel computing in the manycore environ- ment to reduce the response time of MD algorithms. The K-means algorithm for being commonly adopted in AI tasks and its NP-Difficult feature was chosen to be paralyzed. Tools were used to identify the bottleneck of K-means, while evaluating the positives and negatives of these tools. After identifying the bottleneck of the algorithm, it was rewritten to run with GPU support, collected response times, and ended the performance gain measurement using the GPU. When using the GPU, a maximum speed of 7.09 and an efficiency of 0.65% was found to be small when compared to other studies in the literature. To circumvent this was done an increase in the database utilized by increasing the run time, thus obtaining better results with a speed up of 26.001 and a efficiency of 2.4% when using the maximum of colors of the GPU. It is concluded that it is possible to decrease the response time of data mining algorithms using GPU, without having to change the hardware of the equipment.Submitted by Eunice Novais (enovais@uepg.br) on 2019-12-03T13:09:04Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) William Maukoski.pdf: 1862784 bytes, checksum: 0c20e0450d2c594d2f3b16ad337522d0 (MD5)Made available in DSpace on 2019-12-03T13:09:04Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) William Maukoski.pdf: 1862784 bytes, checksum: 0c20e0450d2c594d2f3b16ad337522d0 (MD5) Previous issue date: 2019-05-29porUniversidade Estadual de Ponta GrossaPrograma de Pós Graduação Computação AplicadaUEPGBrasilDepartamento de InformáticaAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOComputação ParalelaMineração de DadosManyCoreAgricultura de PrecisãoParallel ComputingParallel ComputingManyCorePrecision AgricultureAlgoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dadosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Biblioteca Digital de Teses e Dissertações da UEPGinstname:Universidade Estadual de Ponta Grossa (UEPG)instacron:UEPGLICENSElicense.txtlicense.txttext/plain; charset=utf-81866http://tede2.uepg.br/jspui/bitstream/prefix/2991/3/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811http://tede2.uepg.br/jspui/bitstream/prefix/2991/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52ORIGINALWilliam Maukoski.pdfWilliam Maukoski.pdfapplication/pdf1862784http://tede2.uepg.br/jspui/bitstream/prefix/2991/1/William%20Maukoski.pdf0c20e0450d2c594d2f3b16ad337522d0MD51prefix/29912019-12-03 11:09:04.356oai:tede2.uepg.br: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 Digital de Teses e Dissertaçõeshttps://tede2.uepg.br/jspui/PUBhttp://tede2.uepg.br/oai/requestbicen@uepg.br||mv_fidelis@yahoo.com.bropendoar:2019-12-03T13:09:04Biblioteca Digital de Teses e Dissertações da UEPG - Universidade Estadual de Ponta Grossa (UEPG)false
dc.title.pt_BR.fl_str_mv Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados
title Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados
spellingShingle Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados
Maukoski, William Xavier
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Computação Paralela
Mineração de Dados
ManyCore
Agricultura de Precisão
Parallel Computing
Parallel Computing
ManyCore
Precision Agriculture
title_short Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados
title_full Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados
title_fullStr Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados
title_full_unstemmed Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados
title_sort Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados
author Maukoski, William Xavier
author_facet Maukoski, William Xavier
author_role author
dc.contributor.instituicao-banca2.pt_BR.fl_str_mv Universidade Estadual de Ponta Grossa
dc.contributor.advisor1.fl_str_mv Senger, Luciano José
dc.contributor.advisor1ID.fl_str_mv 93591187968
dc.contributor.advisor1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4767325H4&tokenCaptchar=03AOLTBLR0u9XoM6SqQLoJQgoqwpJGXIZMdVivDq724beoJkByQgCoXv9YMT1MxGvdM5h9zsPcjHUWp695t_Ixmisf1GmARCQOdhjKU0RujLHZYKIUQWPUYrlYKL69dMJBjqv5q2Jg1gF7xV-i3IJk8hILjTRNCMKr0oemy32Qgcq0MHgutPpNqpb5BR42H1jM8x2Bd_gf7HeE4RVN2WauqSwobHjTIDYiAE3yt19Alv5oe1FUC3P2fxutWBuymJXvulPqWju9Sm4_yG2ySvm2RirSR90wxf2a1YPraEE4c9hzfkZSib-lYSdOMFg4NCHD8TL0Sg7RllLYWU_wFX23tZDZRto9t1eOO62NrPe4phRCzWJQVHrBtdfwlavtkWU5eDqWwey37C8PArXwbphSLgtrfgbxX2fA8Z0Y2_GjGCBm4nLSJBrPVuOQLASP3sY_pK_4Z7t9OCH8_tHlfG3ysINLNMSTRSRPZ-ClXQtfkZ-L9k1H3_p84Ad6ft07CEBcx1JnkiUkO48_QLxaF_0tDkDdFteci3RrSw
dc.contributor.referee1.fl_str_mv Ishii, Renato Porfirio
dc.contributor.referee1ID.fl_str_mv 80760414149
dc.contributor.referee1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4767325H4&tokenCaptchar=03AOLTBLR0u9XoM6SqQLoJQgoqwpJGXIZMdVivDq724beoJkByQgCoXv9YMT1MxGvdM5h9zsPcjHUWp695t_Ixmisf1GmARCQOdhjKU0RujLHZYKIUQWPUYrlYKL69dMJBjqv5q2Jg1gF7xV-i3IJk8hILjTRNCMKr0oemy32Qgcq0MHgutPpNqpb5BR42H1jM8x2Bd_gf7HeE4RVN2WauqSwobHjTIDYiAE3yt19Alv5oe1FUC3P2fxutWBuymJXvulPqWju9Sm4_yG2ySvm2RirSR90wxf2a1YPraEE4c9hzfkZSib-lYSdOMFg4NCHD8TL0Sg7RllLYWU_wFX23tZDZRto9t1eOO62NrPe4phRCzWJQVHrBtdfwlavtkWU5eDqWwey37C8PArXwbphSLgtrfgbxX2fA8Z0Y2_GjGCBm4nLSJBrPVuOQLASP3sY_pK_4Z7t9OCH8_tHlfG3ysINLNMSTRSRPZ-ClXQtfkZ-L9k1H3_p84Ad6ft07CEBcx1JnkiUkO48_QLxaF_0tDkDdFteci3RrSw
dc.contributor.referee2.fl_str_mv Campos Junior, Arion de
dc.contributor.referee2ID.fl_str_mv 01435778910
dc.contributor.referee2Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4708079Y6&tokenCaptchar=03AOLTBLQYuxg5qsVGCrrC8v0TRUkK0Jq3zj71swHM54t2Epq3geqX58pOER3rmjF3D04PRGedwUxnAn0A4k9rqlikesp7yPieh0bC-3kSM8Dsde4ctC_GVGwFFZL6xvUFMGWuERJ2QDn_HlWh0GQ4n7B0u0ccq8Fx2KLFvr6pdd6e0f3rcZYrkAANazn1VaDWh7xp7DwFZjSZL6Svu6NzG76N-goXBDuJgKPSIhgL2BM_KAWZxUKrfrWw7Tt1JwA8GlnEjSPZK-3YOryCquP1rZPF3hJ5j3D6gEmiZXP7I9f1MWkSEGx26WQUqQTEZgPAaXeuvt5AMpHVB-bjpwNMgEhSelisffpuUP8PpZhR2kTWSoT2h-9yvovwsEdHOz_3e5QafANcgHtEb8hlTqiKtYYhDBX-NBW41oJEjrBmSSt2TMA28srLJOCIFHce1VkQYR8qOxusNCcC50OVQc7pmFTpxMHJsZzerZEzetRxZfUTfzh2LUygYIFig7HB-G6GALihVb632v6va4gyGyM7AfysJidKYc3TIg
dc.contributor.authorID.fl_str_mv 08606561959
dc.contributor.authorLattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4835175Z6&tokenCaptchar=03AOLTBLTS0-ovVn8-cpFjiX4KlTu2XEXI8_FE1DS0JnNvmuqfyREs3zqyItKaxM24umLHPDQr66QEclNd4QrgOhRWsJZHSO7mt06kxj_bCxbkgnMiNZXRXHK0_0t8mmI9Haya6XVM4t91I-tTXRTBQ3svJTDZ6aHLpQBlIoYnzuCysUNZ7m4epFzJzZaRg88LggadE2qY9HoDFodcLq5ay1VjfRAcfr9nj2ucfvRo44DaQvDnfyet5BCiUDfOnC0XGhcW_Bqcy257TWwGHSqilMNHiTv6BMs7OnqU_ewkqqp-hx5F_7db628EUeTpqEKGABXPSg3QzPxZ4PFOzPWn1gs96F3Y_4eZf9vBN93dhI3gBnPYl2DTUF-7Y-De7ToGg8rXxF12w9f2E-N8rvC88Jdm2LxmMHfh6BYYwbWCDbGKnfqFu3vpaZcFJXyZFYZdtjA6ReiUn4XB5Ej6isIJ_VAbBozqkmcacyFx3Ikb8g48DwSi7_ywSmv5SlQL_H_d_HxUILgh-Cfi
dc.contributor.author.fl_str_mv Maukoski, William Xavier
contributor_str_mv Senger, Luciano José
Ishii, Renato Porfirio
Campos Junior, Arion de
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
topic CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Computação Paralela
Mineração de Dados
ManyCore
Agricultura de Precisão
Parallel Computing
Parallel Computing
ManyCore
Precision Agriculture
dc.subject.por.fl_str_mv Computação Paralela
Mineração de Dados
ManyCore
Agricultura de Precisão
Parallel Computing
Parallel Computing
ManyCore
Precision Agriculture
description A mineração de dados (MD) é potencialmente onerosa, estudos para diminuir o tempo de resposta são essenciais para conseguir entregar resultados em tempos menores. Muitas soluções propostas por trabalhos correlatos utilizam computação em clusters (aglomerados) de computadores, uma alternativa a isto é utilizar a computação com GPU. A programação com GPU, necessita um conhecimento aprofundado do algoritmo a ser trabalhado e de um entendimento da arquitetura da GPU que será utilizada. Este trabalho tem por objetivo geral investigar o uso da computação paralela em ambiente manycore para reduzir o tempo de resposta de algirtmos de MD. O algoritmo K-means por ser comumente adotados em tarefas de IA e sua característica NP-Difícil foi o escolhido para ser paralelizado. Foram utilizadas ferramentas para identificar o ponto de gargalo do K-means, simultaneamente foram feitas as avaliações dos pontos positivos e negativos destas ferramentas. Após identificar o ponto de gargalo do algoritmo, ele foi reescrito para ser executado com suporte da GPU, foram feitas as coletas dos tempos de respostas e pôr fim a medição do ganho de desempenho utilizando a GPU. Ao utilizar a GPU foi primeiro constatado um SpeedUP máximo de 7,09 e uma eficiência de 0,65% considerados pequenos ao comparar com outros trabalhos da literatura. Para contornar isto foi feito um aumento na base de dados utilizada aumentado o tempo de execução, assim obteve-se resultados melhores com um SpeedUp de 26,001 e uma eficiência de 2,4% ao utilizar o máximo de cores da GPU. Concluindo-se que é possível diminuir o tempo de resposta de algoritmos de mineração de dados utilizando GPU, sem precisar alterar o hardware do equipamento.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-12-03T13:09:04Z
dc.date.available.fl_str_mv 2019-12-03
2019-12-03T13:09:04Z
dc.date.issued.fl_str_mv 2019-05-29
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv MAUKOSKI, W. X. Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados.Orientador: Luciano José Senger. 2019. Dissertação (Mestrado em Computação Aplicada) - Universidade Estadual de Ponta Grossa, Ponta Grossa, 2019.
dc.identifier.uri.fl_str_mv http://tede2.uepg.br/jspui/handle/prefix/2991
identifier_str_mv MAUKOSKI, W. X. Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados.Orientador: Luciano José Senger. 2019. Dissertação (Mestrado em Computação Aplicada) - Universidade Estadual de Ponta Grossa, Ponta Grossa, 2019.
url http://tede2.uepg.br/jspui/handle/prefix/2991
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Estadual de Ponta Grossa
dc.publisher.program.fl_str_mv Programa de Pós Graduação Computação Aplicada
dc.publisher.initials.fl_str_mv UEPG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Departamento de Informática
publisher.none.fl_str_mv Universidade Estadual de Ponta Grossa
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UEPG
instname:Universidade Estadual de Ponta Grossa (UEPG)
instacron:UEPG
instname_str Universidade Estadual de Ponta Grossa (UEPG)
instacron_str UEPG
institution UEPG
reponame_str Biblioteca Digital de Teses e Dissertações da UEPG
collection Biblioteca Digital de Teses e Dissertações da UEPG
bitstream.url.fl_str_mv http://tede2.uepg.br/jspui/bitstream/prefix/2991/3/license.txt
http://tede2.uepg.br/jspui/bitstream/prefix/2991/2/license_rdf
http://tede2.uepg.br/jspui/bitstream/prefix/2991/1/William%20Maukoski.pdf
bitstream.checksum.fl_str_mv 43cd690d6a359e86c1fe3d5b7cba0c9b
e39d27027a6cc9cb039ad269a5db8e34
0c20e0450d2c594d2f3b16ad337522d0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UEPG - Universidade Estadual de Ponta Grossa (UEPG)
repository.mail.fl_str_mv bicen@uepg.br||mv_fidelis@yahoo.com.br
_version_ 1845262176662585344

Registros relacionados