Parallel Association Rule Mining Algorithm Based on MapReduce by Using Lift Interestingness Measure for Big Data – Nour Easa Oweis
Nour Easa Oweis
Doctoral thesis
Parallel Association Rule Mining Algorithm Based on MapReduce by Using Lift Interestingness Measure for Big Data
Parallel Association Rule Mining Algorithm Based on MapReduce by Using Lift Interestingness Measure for Big Data
Abstract:
Background: Big Data mining is an analytic process utilized to discover the hidden knowledge and patterns from a massive, complex, and multidimensional dataset. Single processors memory and CPU resources are very limited in this aspect, which makes the algorithm performance ineffective. Association rule mining (ARM) is traditionally used to uncover hidden knowledge in data sets. However, they were …moreAbstract:
Background: Big Data mining is an analytic process utilized to discover the hidden knowledge and patterns from a massive, complex, and multidimensional dataset. Single processors memory and CPU resources are very limited in this aspect, which makes the algorithm performance ineffective. Association rule mining (ARM) is traditionally used to uncover hidden knowledge in data sets. However, they were …more
Language used: English
Date on which the thesis was submitted / produced: 18. 4. 2016
Identifier:
http://hdl.handle.net/10084/112232
Thesis defence
- Date of defence: 8. 6. 2016
- Supervisor: Václav Snášel
- Reader: Pavel Krömer, Nabil Ouddane, Ajith Abraham
Citation record
ISO 690-compliant citation record:
OWEIS, Nour Easa. \textit{Parallel Association Rule Mining Algorithm Based on MapReduce by Using Lift Interestingness Measure for Big Data}. Online. Doctoral theses, Dissertations. Ostrava: VŠB - Technical University of Ostrava, Fakulta elektrotechniky a informatiky. 2016. Available from: https://theses.cz/id/0s3s44/.
Full text of thesis
Accessibility: Plné texty vysokoškolských kvalifikačních prací obhájených na Vysoké škole báňské - Technické univerzitě Ostrava jsou uloženy v repozitáři DSpace. Přístup k plným textům mají všichni uživatelé bez omezení. Přístup je omezen pouze ve výjimečných případech, zpravidla z důvodu ochrany duševního vlastnictví. Nepřístupné práce jsou označeny jako closedAccess nebo embargoedAccess. Tištěné verze prácí jsou uloženy v Ústřední knihovně VŠB-TUO a jsou prezenčně přístupné ve studovně diplomových prací. Další nakládání s prací (kopírování, opisy, MVS) se řídí Knihovní a výpůjčním řádem Ústřední knihovny VŠB-TUO.
Contents of on-line thesis archive
Published in Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty
Other ways of accessing the text
Institution archiving the thesis and making it accessible: VŠB - Technická univerzita OstravaVŠB - Technical University of Ostrava
Fakulta elektrotechniky a informatikyDoctoral programme / field:
Informatika, komunikační technologie a aplikovaná matematika / Informatika
Theses on a related topic
-
OLAP Recommender: Supporting Navigation in Data Cubes Using Association Rule Mining
Bohuslav Koukal -
Association rule mining as a support for OLAP
David Chudán -
Study materials for Big Data processing tools
Martin Durkáč -
Možnosti využití nástrojů Big Data v bankovnictví na příkladu ruské banky “Sberbank“
Mariia Alekseeva -
Paralelní zpracování dat a možnosti datové analytiky v rámci Big Data
Lukáš Derján -
Big Data a Business Intelligence
Jan Bradáč -
Big Data Metody zpracování a analýzy velkých dat
Michal Karafiát -
Big Data Ecosystem
Roman Hanzlík