[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور پژوهشی::
آموزش الکترونیکی::
پردیس شماره 2::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
::
ورود به سایت دروس

AWT IMAGE

نام کاربری
کلمه عبور

AWT IMAGE
رمز ورود را فراموش کرده‌اید؟

..
دفاعیه کارشناسی ارشد

دفاعیه کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: جلسه دفاعیه از رساله دکترا - خانم زهرا فرزان یار ::
 | تاریخ ارسال: ۱۳۹۱/۹/۶ | 

 

AWT IMAGE

خانم زهرا فرزان یار دانشجوی دکترای جناب آقای دکتر محمدرضا کنگاوری روز سه شنبه مورخ 7/9/91 ساعت 10 صبح در اتاق دفاعیه واقع در طبقه دوم دانشکده مهندسی کامپیوتر از رساله دکترای خود تحت عنوان ارائه مدلی جهت کشف مجموعه اقلام مکرر از محیط های همتا به همتا بزرگ مقیاس با نگرش جریانی بودن داده دفاع خواهند نمود.

 

  چکیده پایان نامه:

  شبکه های همتا به همتا به عنوان سیستمهای بزرگ مقیاس جهت به اشتراک گذاری اطلاعات، به سرعت در حال پدیدار شدن می باشند. مصرف کنند گان با استفاده از شبکه هایی مثل Kazaa ، e-Mule و BitTorrents می توانند به سهولت مقادیر زیادی از اطلاعات را به اشتراک بگذارند. مثال های دیگر شامل سیستمهای همتا به همتا برای ذخیره سازی شبکه، ذخیره کردن وب و جستجو و شاخص گذاری سندهای مرتبط می باشد. این محیط ها از لحاظ داده بسیار غنی می باشند و اگر این داده مورد کاوش قرار گیرد منجر به تولید یک منبع ارزشمند اطلاعاتی خواهد شد.برای مثال، کاوش ذخیره وب کاربران منجر به تولید اطلاعات درباره الگوهای جستجو می شود که باعث جستجوی کارآمد، استفاده کارآمد از منابع و مسیر یابی پرس و جوها می شود.

  بیشتر روشهای آنالیز داده در دسترس برای کاربردهای متمرکز طراحی می شوند به صورتی که کل داده در یک مکان واحد ذخیره می شود. این روش های متمرکز در یک محیط توزیع شده و نامتمرکز از قبیل شبکه های همتا به همتا به دلیل هزینه بالای متمرکز سازی به خوبی کار نمی کنند. این هزینه در یک حالت پویا، جایی که داده موجود در هر گره و همبندی شبکه در تغییر است، افزایش بیشتری پیدا می کند. زیرا هر تغییری باید به گره مرکزی گزارش داده شود.

  محیطهای همتا به همتا برای حل این مسئله به الگوریتمهای داده کاوی توزیع شده نیازمند می باشند که اساساً مقیاس پذیر، نامتمرکز، غیر همزمان و هر زمان باشند.

  ما در این رساله به ارائه مدلی جهت کشف مجموعه اقلام مکرر از سیستمهای بزرگ مقیاس همتا به همتا پرداخته ایم، جایی که هر گره روی شبکه جریان پیوسته ای از تراکنش ها را در هر لحظه دریافت می کند. مدل پیشنهادی مدلی محلی است به این معنا که هر گره می تواند فقط با استفاده از اطلاعات یک تعدادی از همسایگان مجاور به کشف مجموعه اقلام مکرر سراسری بپردازد. بنابراین بار ارتباطی مستقل از اندازه سیستم می باشد که منجر به مقیاس پذیری بالای مدل پیشنهادی می شود.

  مدل پیشنهادی از دو بخش اصلی تشکیل شده است، در بخش اول به ارائه الگوریتم Max-FISM پرداخته ایم که الگوریتمی جهت کشف مجموعه اقلام مکرر اخیر از داده جریانی با استفاده از مدل پنجره ای می باشد. این الگوریتم از لحاظ مصرف حافظه و زمان اجرا، که از نیازمندیهای الگوریتمهای ارائه شده برای داده های جریانی می باشند، در مقایسه با الگوریتمهای مشابه بسیار کارآمد است.در بخش دوم به ارائه الگوریتم P2P-FISM پرداخته ایم که با استفاده از خروجی الگوریتم Max-FISM که در هر گره موجود در شبکه اجرا می شود به کشف مجموعه اقلام مکرر در سطح شبکه همتا به همتا بزرگ مقیاس می پردازد. مدل پیشنهادی، دقیق، مقیاس پذیر و دارای قابلیت هماهنگی با تغییرات موجود در داده هر گره و همبندی شبکه می باشد.

  واژه‌های کلیدی: سیستمهای همتا به همتا، داده کاوی همتا به همتا، داده جریانی، کاوش مجموعه اقلام مکرر.

 

  

  

    

  Abstract:

  Peer-to-peer (P2P) systems such as Gnutella, Napster, e-Mule, Kazaa, and Freenet are increasingly becoming popular for many applications that go beyond ownloading music files without paying for it. Examples include P2P systems for network storage, web caching, searching and indexing of relevant documents and distributed network-threat analysis. These environments are rich in data and this data, if mined, can provide valuable source of information. Mining the web cache of users, for example, may often give information about their browsing patterns leading to efficient searching, resource utilization, query routing and more. However, most of the off-the-shelf data analysis techniques are designed for centralized applications where the entire data is stored in a single location. These techniques do not work in a highly decentralized, distributed environment such as a P2P network. New distributed data mining algorithms are neededto solve these problems. These new algorithms should be fundamentally local, scalable, decentralized, asynchronous and anytime.In this thesis, we have presented an efficient model for discovering of the network-wide recent frequent itemsets, where eachpeer of unstructured peer to peer network receives a continuous sequence of transactions. The proposed model includes two main sections. In the first section, a highly efficient algorithm, Max-FISM, has been proposed which is designed to mine frequent itemsets in each peer by using sliding window model. Then, in the second section, we develop a communications efficient algorithm, P2P-FISM, for discovering of the network-wide frequent itemsets. The algorithm works in a completely asynchronous manner, imposes low communication overhead, a necessity for scalability, transparently tolerates network topology changes, and quickly adapts to changes in the data stream.

  Keywords: Peer to peer systems, peer to Peer data mining, Data stream, Frequent itemset mining.

 

 

 

 

  ارائه­دهنده:

زهرا فرزان یار

z_farzanyar@iust.ac.ir

  استاد راهنما:

  دکتر محمدرضا کنگاوری

  هیات داوران:

  1- دکتر علی معینی 2  -دکتر میرمحسن پدرام 3 - دکتر مصطفی حق جو

 4-دکتر ناصرمزینی 5-دکتر بهروز مینایی

  زمان : سه شنبه 7 آذر ماه 1391

  ساعت 10 صبح 

  مکان: دانشکده مهندسی کامپیوتر- طبقه دوم- اتاق دفاعیه

  از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

دفعات مشاهده: 2984 بار   |   دفعات چاپ: 870 بار   |   دفعات ارسال به دیگران: 65 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
School of Computer Engineering
Persian site map - English site map - Created in 0.178 seconds with 935 queries by yektaweb 3388