23,99 €
inkl. MwSt.

Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Os outliers são considerados como dados ruidosos nas estatísticas, revelou-se um problema importante que está a ser investigado em diversos campos de investigação e domínios de aplicação. Muitas técnicas de detecção de outliers foram desenvolvidas especificamente para certos domínios de aplicação, enquanto que algumas técnicas são mais genéricas. Alguns domínios de aplicação estão a ser pesquisados em estrita confidencialidade, como a investigação sobre crime e actividades terroristas. As técnicas e os resultados de tais técnicas não são prontamente divulgados. As grandes análises de dados…mehr

Produktbeschreibung
Os outliers são considerados como dados ruidosos nas estatísticas, revelou-se um problema importante que está a ser investigado em diversos campos de investigação e domínios de aplicação. Muitas técnicas de detecção de outliers foram desenvolvidas especificamente para certos domínios de aplicação, enquanto que algumas técnicas são mais genéricas. Alguns domínios de aplicação estão a ser pesquisados em estrita confidencialidade, como a investigação sobre crime e actividades terroristas. As técnicas e os resultados de tais técnicas não são prontamente divulgados. As grandes análises de dados tornaram-se muito populares no cenário actual e a manipulação de grandes dados ganhou a grande atenção dos investigadores no campo da análise de dados. A computação em nuvem fornece recursos infra-estruturais poderosos e económicos para os utilizadores da nuvem lidarem com grandes dados cada vez maiores com estruturas de processamento de dados tais como MapReduce. Este trabalho considera dois algoritmos de clustering conhecidos como DBScan e K-Means e implementados com o conjunto de dados Sensed da Intel Corporation.
Autorenporträt
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.