همبستگی رویداد و مدلهای استخراج قانون زنگ هشدار برای سیستمهای پردازش رویداد پیچیده
| عنوان | همبستگی رویداد و مدلهای استخراج قانون زنگ هشدار برای سیستمهای پردازش رویداد پیچیده |
|---|---|
| نویسنده | چلبی، اومر فاروک |
| تاریخ انتشار: | 2013-08 |
| موضوع | داده کاوی، پردازش داده ها در زمان واقعی |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شماره ثبت | ea34a21d-549c-4ca9-8c37-f8136cf09388 |
| محل کتابخانه | گروه علوم کامپیوتر |
| تاریخ | 2013-08 |
| متن نمونه | جهان هر دو روز یکبار همان مقدار داده را ایجاد میکند، همانطور که از سال 2003 ایجاد شده بود. جریانهای داده در حال تکامل عامل کلیدی برای رشد دادههای ایجاد شده در چند سال گذشته است. تجزیه و تحلیل جریانی داده ها در زمان واقعی در حال تبدیل شدن به سریع ترین و موثرترین راه برای به دست آوردن اطلاعات مفید از آنچه در حال حاضر اتفاق می افتد، می شود، بنابراین به سازمان ها این امکان را می دهد که در هنگام بروز مشکلات سریعاً اقدام کنند یا روندهای جدید را برای بهبود عملکرد خود شناسایی کنند. تجزیه و تحلیل جریان داده برای مدیریت دادههایی که در حال حاضر از برنامههایی مانند شبکههای حسگر، اندازهگیری در نظارت شبکه، مدیریت ترافیک تلفن همراه، جریانهای کلیک وب، سوابق جزئیات تماس تلفن همراه، پستها/وبلاگها در رسانههای اجتماعی و بسیاری دیگر تولید میشوند، مورد نیاز است. تجزیه و تحلیل داده های جریانی سخت است زیرا داده ها به طور موقت مرتب شده اند، به سرعت در حال تغییر، عظیم و بالقوه بی نهایت هستند. به منظور مقابله با چالش های جریان کاوی داده، در این پایان نامه دو سهم اصلی مورد بحث قرار گرفته است. هر دوی آنها دادههای جریانی با حجم بالا را خلاصه میکنند و اطلاعات معنیدار و کاربردی را به کاربران نهایی ارائه میدهند. اولین مورد، یافتن "همبستگی های رویداد" بر روی جفت های جریان داده در داده های واقعی GPS اتوبوس های حمل و نقل عمومی است. دومین مورد، استخراج قوانین توالی زنگ هشدار است، با یک پارامتر جدید به نام "اعتماد به زمان"، که به تنظیم خودکار مقادیر پنجره زمانی برای قوانین ثبت شده کمک می کند و همچنین تعداد قوانین زنگ تولید شده را کاهش می دهد. |
