சுருக்கம்

Enhancing Map-Reduce Mechanism for Big Data with Density-Based Clustering

Vinod S. Bawane, Deepti P. Theng

Map-Reduce is software framework that allows certain type of parallelizable or distributable problems involving bulky data sets to be solve using computing clusters. This paper presents a hybrid Map-Reduce framework that gathers computations resources from different clusters and runs Map-Reduce jobs across them. The mechanism is realized using DBSCAN clustering algorithms among Map-Reduce, parallel processing framework over clusters. However, the instant accomplishment of algorithms undergoes from efficiency problem for higher execution time as well as inadequate memory. This paper presents an efficient DBSCAN clustering method for mining large datasets with apache Hadoop and Map-Reduce that will reduce time of accessible algorithms and dataset from the dissimilar location will work simultaneously from single node and find the appropriate outcome in distributed environment

மறுப்பு: இந்த சுருக்கமானது செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்தி மொழிபெயர்க்கப்பட்டது மற்றும் இன்னும் மதிப்பாய்வு செய்யப்படவில்லை அல்லது சரிபார்க்கப்படவில்லை

குறியிடப்பட்டது

Index Copernicus
கல்வி விசைகள்
CiteFactor
காஸ்மோஸ் IF
RefSeek
ஹம்டார்ட் பல்கலைக்கழகம்
அறிவியல் இதழ்களின் உலக பட்டியல்
சர்வதேச புதுமையான இதழ் தாக்க காரணி (IIJIF)
சர்வதேச அமைப்பு ஆராய்ச்சி நிறுவனம் (I2OR)
காஸ்மோஸ்

மேலும் பார்க்க