Avaliação do framework mapreduce para paralelização do algoritmo apriori

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorEsmin, Ahmed Ali Abdalla-
Autor(es): dc.contributorPereira, Marluce Rodrigues-
Autor(es): dc.contributorPereira, Denilson Alves-
Autor(es): dc.contributorCastro, Cristiano Leite de-
Autor(es): dc.creatorBolina, André Camilo-
Data de aceite: dc.date.accessioned2026-02-09T12:38:31Z-
Data de disponibilização: dc.date.available2026-02-09T12:38:31Z-
Data de envio: dc.date.issued2015-02-19-
Data de envio: dc.date.issued2015-02-19-
Data de envio: dc.date.issued2015-
Data de envio: dc.date.issued2013-04-15-
Fonte completa do material: dc.identifierhttps://repositorio.ufla.br/handle/1/5098-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1165376-
Descrição: dc.descriptionThe 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 threads-
Descrição: dc.descriptionA 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.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsacesso aberto-
Palavras-chave: dc.subjectProcessamento paralelo e distribuido-
Palavras-chave: dc.subjectMineração de dados-
Palavras-chave: dc.subjectAlgoritmo apriori-
Palavras-chave: dc.subjectMapReduce-
Título: dc.titleAvaliação do framework mapreduce para paralelização do algoritmo apriori-
Tipo de arquivo: dc.typeTCC-
Aparece nas coleções:Repositório Institucional da Universidade Federal de Lavras (RIUFLA)

Não existem arquivos associados a este item.