Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Αλγόριθμοι για προβλήματα μαζικών δεδομένων: δειγματοληψία streaming sketching

Nikitopoulos Alexandros

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/51FBB59C-4306-4B23-A1AD-092D79CE87F7-
Αναγνωριστικόhttps://doi.org/10.26233/heallink.tuc.89192-
Γλώσσαel-
Μέγεθος68.4 megabytesen
Μέγεθος67 σελίδεςel
ΤίτλοςΑλγόριθμοι για προβλήματα μαζικών δεδομένων: δειγματοληψία streaming sketching el
ΤίτλοςAlgorithms for massive data problems: streaming sketching sampling en
ΔημιουργόςNikitopoulos Alexandrosen
ΔημιουργόςΝικητοπουλος Αλεξανδροςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Papadakis Nikolaosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Νικόλαος Παπαδάκηςel
Συντελεστής [Επιβλέπων Καθηγητής]Daras Nikolaosel
Συντελεστής [Επιβλέπων Καθηγητής]Νικόλαος Δάραςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Matsatsinis Nikolaosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Ματσατσινης Νικολαοςel
ΕκδότηςΠολυτεχνείο Κρήτηςel
ΕκδότηςTechnical University of Creteen
ΕκδότηςΣτρατιωτική Σχολή Ευελπίδωνel
ΕκδότηςHellenic Army Academyen
Ακαδημαϊκή ΜονάδαΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησηςel
ΠερίληψηΤα τελευταία χρόνια, η πρόοδος στην τεχνολογία υλικού διευκόλυνε τη δυνατότητα συνεχούς συλλογής δεδομένων. Οι απλές συναλλαγές της καθημερινής ζωής, όπως η χρήση πιστωτικής κάρτας, τηλεφώνου ή η περιήγηση στον Ιστό, οδηγούν σε αυτοματοποιημένη αποθήκευση δεδομένων. Ομοίως, οι εξελίξεις στην τεχνολογία των πληροφοριών έχουν οδηγήσει στη δημιουργία μεγάλων ροών δεδομένων σε δίκτυα IP. Σε πολλές περιπτώσεις, αυτοί οι μεγάλοι όγκοι δεδομένων μπορούν να εξαχθούν για ενδιαφέρουσες πληροφορίες σε μια μεγάλη ποικιλία εφαρμογών. Ο τεράστιος όγκος των υποκείμενων δεδομένων οδηγεί σε μια σειρά υπολογιστικών προκλήσεων καθώς και προκλήσεων που αφορούν την εξαγωγή των δεδομένων αυτών. Η δειγματοληψία μαζικών δεδομένων ασχολείται με προβλήματα μαζικών δεδομένων (massive data) όπου τα δεδομένα εισόδου (ένας γράφος, μια μήτρα ή κάποιο άλλο αντικείμενο) είναι πολύ μεγάλα για να αποθηκευτούν στη μνήμη τυχαίας προσπέλασης. Ένα μοντέλο για τέτοια προβλήματα είναι το μοντέλο ροής (streaming model), όπου τα δεδομένα είναι ορατά μόνο μία φορά. Στο μοντέλο ροής, η φυσική τεχνική αντιμετώπισης των μαζικών δεδομένων είναι η δειγματοληψία. Στην παρούσα εργασία μελετώνται βιβλιογραφικά μια σειρά αλγορίθμων που σχετίζονται με προβλήματα διαχείρισης μαζικών δεδομένων σε ροές, όπως η δειγματοληψία, η εξαγωγή, η ταξινόμηση και η επεξεργασία, εστιάζοντας στη δειγματοληψία Streaming Sketching.el
ΠερίληψηIn recent years, advances in hardware technology have facilitated continuous data collection. Simple everyday transactions, such as using a credit card, telephone or web browsing, lead to automated data storage. Similarly, advances in information technology have led to the creation of large data streams in IP networks. In many cases, these large volumes of data can be exported for interesting information in a wide variety of applications. The huge volume of underlying data leads to a number of computational challenges as well as challenges related to the extraction of this data. Mass data sampling deals with massive data problems where the input data (a graph, a matrix or some other object) is too large to be stored in random access memory. One model for such problems is the streaming model, where the data is only visible once. In the flow model, the natural technique for dealing with bulk data is sampling. In the present work, a number of algorithms related to problems of mass data management in flows, such as sampling, export, classification and processing, are studied in the literature, focusing on Streaming Sketching.en
ΤύποςΜεταπτυχιακή Διατριβήel
ΤύποςMaster Thesisen
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by-nc-sa/4.0/en
Ημερομηνία2021-05-26-
Ημερομηνία Δημοσίευσης2021-
Θεματική ΚατηγορίαΑλγόριθμοι για προβλήματα μαζικών δεδομένωνel
Βιβλιογραφική ΑναφοράΑλέξανδρος Νικητόπουλος, "Αλγόριθμοι για προβλήματα μαζικών δεδομένων: δειγματοληψία streaming sketching ", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Στρατιωτική Σχολή Ευελπίδων, Χανιά, Ελλάς, 2021el
Βιβλιογραφική ΑναφοράAlexandros Nikitopoulos, "Algorithms for massive data problems: streaming sketching sampling", Master Thesis, School of Production Engineering and Management, Technical University of Crete, Hellenic Army Academy, Chania, Greece, 2021en

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά