ترجمه مقاله تعدیل قفل کلی در سیستم های مدیریت پایگاه داده در 10 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
| تعداد صفحات | 10 |
| حجم | 0 کیلوبایت |
| فرمت فایل اصلی | doc |
| دسته بندی | مهندسی کامپبوتر و فناوری اطلاعات |
ترجمه مقاله تعدیل قفل کلی در سیستم های مدیریت پایگاه داده در 10 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
عنوان فارسی :
تعدیل قفل کلی در سیستم های مدیریت پایگاه داده
عنوان انگلیسی :
Global lock escalation in database management systems
تعداد صفحات فارسی : 10 صفحه ورد قابل ویرایش
سطح ترجمه : متوسط
شناسه کالا : y2051
دانلود رایگان مقاله انگلیسی : http://ofmas.ir/dlpaper/y2051.pdf
دانلود ترجمه فارسی مقاله : بلافاصله پس از پرداخت آنلاین 10 هزار تومان قادر به دانلود خواهید بود .
بخشی از ترجمه :
چکیده
از آنجاییکه سیستم های مدیریت پایگاه داده (DBMSs) منابع قفل را محدود کرده اند، تراکنش های درخواست کننده قفلها فراتر از این حد باید بی نتیجه باشند، کارایی را به طور ناگهان پایین می آورند.تعدیل قفل میتواند به طور موثر در چنین شرایطی برای کاهش مشکل بکار رود.روش های تعدیل قفل زیادی،پیشنهاد شده اند و در DBMS های تجاری اجرا شده اند.با این وجود، آنها دارای مسائلی خاصی به خاطر ماهیت محلی تصمیمات خود در زمانیکه تعدیل قفل اجرا میشوند هستند.در این مقاله، ما یک روش تعدیل قفل جدید ،تعدیل قفل کلی را ارائه میکنیم، که چنین تصمیمی را به لحاظ کلی بر مبنای تعداد کلی قفلها ایجاد میکند.از طریق شبیه سازی گسترده، ما نشان میدهیم، روش تعدیل قفل کلی ،از روشهای موجود به شدت بهتر عمل میکند.بویژه ما نشان میدهیم ،تعداد تراکم های همزمان مجاز، به اندازه 16-12 مرتبه افزایش می یابد. ما باور داریم روش ما میتواند براحتی در DBMSهای تجاری اجرا شود که کارایی را به شدت تحت درخواستهای قفل بیش از حد ارتقا میدهد.2002 ElsevierScience B.V.کلیه حقوق محفوظ است.
کلید واژه ها: همزمانی؛ تعدیل قفل؛ پایگاه های داده.
Abstract
Since database management systems (DBMSs) have limited lock resources, transactions requesting locks beyond the limit must be aborted, degrading the performance abruptly. Lock escalation can be effectively used in such circumstances to alleviate the problem. Many lock escalation methods have been proposed and implemented in commercial DBMSs. However, they have certain problems due to the local nature of their decisions on when to execute lock escalation. In this paper, we propose a new lock escalation method, global lock escalation, that makes such decision globally based on the total number of locks. Through extensive simulation, we show that the global lock escalation method outperforms the existing ones significantly. Especially, we show that the number of concurrent transactions allowable increases by 2–16 times. We believe our method can be easily implemented in the commercial DBMSs enhancing the performance significantly under excessive lock requests. 2002 Elsevier Science B.V. All rights reserved.
Keywords: Concurrency; Lock escalation; Databases
ترجمه مقاله نمایش معلومات داده کاوی توسعه در 8 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
| تعداد صفحات | 8 |
| حجم | 0 کیلوبایت |
| فرمت فایل اصلی | doc |
| دسته بندی | مهندسی کامپبوتر و فناوری اطلاعات |
ترجمه مقاله نمایش معلومات داده کاوی توسعه در 8 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
عنوان فارسی :
نمایش معلومات داده کاوی توسعه
عنوان انگلیسی :
Extension Data Mining Knowledge Representation
تعداد صفحات فارسی : 8 صفحه ورد قابل ویرایش
سطح ترجمه : متوسط
شناسه کالا : y2052
دانلود رایگان مقاله انگلیسی : http://ofmas.ir/dlpaper/y2052(2).pdf
دانلود ترجمه فارسی مقاله : بلافاصله پس از پرداخت آنلاین 11 هزار تومان قادر به دانلود خواهید بود .
بخشی از ترجمه :
چکیده
این مقاله ،تحقیقاتی در زمینه نمایش معلومات قابل تبدیل از داده کاوی توسعه است.فناوری داده کاوی قدیمی، دانش استاتیک را کسب میکند،بر عکس ،داده کاوی توسعه ،دانش قابل تبدیل را کسب میکند، که منبع دانش لازم در سیستم تولید استراتژی توسعه را عریض میکند.نمایش معلومات قابل تبدیل از نظریه ماشین های متناهی استفاده میکند که به ما یک روش جدید از نمایش معلومات داده کاوی توسعه را ارائه میدهد.انتخاب و یا نقد و بررسی همتاها تحت مسئولیت کمیته سازمان ICAPIE .
Abstract
This paper research on the representation of transformable knowledge from extension data mining. Traditional data mining technology obtain static knowledge, on the contrary, extension data mining obtain transformable knowledge, which widening the source of knowledge needed in extension strategy generating system. Transformable knowledge representation using finite automata provide us a new method of extension data mining knowledge representation.
ترجمه مقاله داده کاوی و تکنیکهای همجوشی برای WSNs به عنوان یک منبع بیگ دیتادر 10 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
| تعداد صفحات | 10 |
| حجم | 0 کیلوبایت |
| فرمت فایل اصلی | doc |
| دسته بندی | مهندسی کامپبوتر و فناوری اطلاعات |
ترجمه مقاله داده کاوی و تکنیکهای همجوشی برای WSNs به عنوان یک منبع بیگ دیتادر 10 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
عنوان فارسی :
داده کاوی و تکنیکهای همجوشی برای WSNs به عنوان یک منبع بیگ دیتا
عنوان انگلیسی :
Data Mining and Fusion Techniques for WSNs as a Source of the Big Data
تعداد صفحات فارسی : 10 صفحه ورد قابل ویرایش
سطح ترجمه : متوسط
شناسه کالا : y2100
دانلود رایگان مقاله انگلیسی : http://ofmas.ir/dlpaper/y2100.pdf
دانلود ترجمه فارسی مقاله : بلافاصله پس از پرداخت آنلاین 14 هزار تومان قادر به دانلود خواهید بود .
بخشی از ترجمه :
چکیده
پذیرش وسیع برنامه های کاربردی شبکه های سنسور وایرلس (WSNs) در جای جای دنیا، میزان داده های سنسوری را که در پیچیدگی بیگ دیتا دخیل هستند را افزایش داده است. این امر سبب پیدایش نیاز به استفاده از تکنیک های پردازش دیتای درون شبکه شده است که برای موفقیت چارچوب بیگ دیتا، بسیار بحرانی است. این مقاله نقد و بررسی و بحث پیرامون تکنولوژی جدید داده کاوی و تکنیک های همجوشی دیتای طراحی شده برایWSNs را ارائه میدهد. بحث میکند چطور این تکنیکها میتوانند دیتای سنسور داخل شبکه (درون شبکه) را قبل از هر پردازش بیشتری به صورت بیگ دیتا، آماده کنند. این امر هم برای WSNs و هم چارچوب بیگ دیتا بسیار مهم است. برای WSNs، تکنیک های پیش پردازش درون شبکه میتواند منجر به صرفه جویی محدود شان شود.
برای سمت بیگ دیتا، دریافت یک دیتای مرتبط و غیر زائد پاک، حجم دیتای بیش از حد را کاهش خواهد داد، بنابراین کاهش بار اضافی در پایگاه های پردازش بیگ دیتا کسب خواهد شد و کشف ارزشها از این داده ها، تسریع خواهد شد.
Abstract
The wide adoption of the Wireless Senor Networks (WSNs) applications around the world has increased the amount of the sensor datawhichcontributetothecomplexityofBigData.Thishasemergedtheneedtotheuseofin-networkdataprocessingtechniques which are verycrucial for the success of the big data framework. This article givesoverviewand discussion about the state-of-the- art of the data mining and data fusion techniques designed for the WSNs. It discusses how these techniques can prepare the sensor data inside the network (in-network) before any further processing as big data. This is very important for both of the WSNs and the big data framework. For the WSNs, the in-network pre-processing techniques could lead to saving in their limited resources. Forthe big data side, receivinga clean, non-redundant and relevant data would reduce the excessive data volume, thus an overload reduction will be obtained at the big data processing platforms and the discovery of values from these data will be accelerated.
ترجمه مقاله خوشه بندی داده های مشتری با استفاده از تکنیک داده کاوی در 10 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
| تعداد صفحات | 10 |
| حجم | 0 کیلوبایت |
| فرمت فایل اصلی | doc |
| دسته بندی | مهندسی کامپبوتر و فناوری اطلاعات |
ترجمه مقاله خوشه بندی داده های مشتری با استفاده از تکنیک داده کاوی در 10 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
عنوان فارسی :
خوشه بندی داده های مشتری با استفاده از تکنیک داده کاوی
عنوان انگلیسی :
CUSTOMER DATA CLUSTERING USING DATA MINING TECHNIQUE
تعداد صفحات فارسی : 10 صفحه ورد قابل ویرایش
سطح ترجمه : متوسط
شناسه کالا : y2161
دانلود رایگان مقاله انگلیسی : http://ofmas.ir/dlpaper/y2161.pdf
دانلود ترجمه فارسی مقاله : بلافاصله پس از پرداخت آنلاین 14 هزار تومان قادر به دانلود خواهید بود .
بخشی از ترجمه :
چکیده
دسته و استخراج الگوها از بین داده های مشتری، برای حمایت بازرگانی و تصمیم گیری، بسیار حائز اهمیت محسوب میشود. شناسایی به موقع روندهای تازه پدید آمده، در فرایند بازرگانی بسیار حائز اهمیت است. شرکتهای بزرگ دارای حجم داده ی بسیار بزرگ هستند اما در عین حال تشنه ی دانش هستند. برای غلبه بر مساله ی کنون سازمان، نوع جدیدی از تکنیک لازم است که دارای هوش و قابلیت لازم برای حل کمیابی دانش باشد و این تکنیک، داده کاوی نامیده میشود. اهداف این مقاله، شناسایی سود مشتریان با سود بالا، ارزش بالا و خطر پایین با یکی از تکنیک های داده کاوی است- موسوم به خوشه بندی داده. در فاز اول، پاکسازی داده ها و گسترش الگوها از طریق الگوریتم خوشه بندی دموگرافی با استفاده از IBM I-Miner میباشد. در فاز دوم پروفایل کردن داده ها ، گسترش خوشه ها و شناسایی مشتریان با ارزش بالا خطر پایین میباشد. این خوشه، بعضا 20-10 درصد مشتریانی را نشان میدهد که 80 درصد درامد را بدست می آورند.
Abstract
Classification and patterns extraction from customer data is very important for business support and decision making. Timely identification of newly emerging trends is very important in business process. Large companies are having huge volume of data but starving for knowledge. To overcome the organization current issue, the new breed of technique is required that has intelligence and capability to solve the knowledge scarcity and the technique is called Data mining. The objectives of this paper are to identify the high-profit, high-value and low-risk customers by one of the data mining technique - customer clustering. In the first phase, cleansing the data and developed the patterns via demographic clustering algorithm using IBM I-Miner. In the second phase, profiling the data, develop the clusters and identify the high-value low-risk customers. This cluster typically represents the 10-20 percent of customers which yields 80% of the revenue.
ترجمه مقاله پردازش معنایی در مورد داده های بزرگ در 7 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
| تعداد صفحات | 7 |
| حجم | 0 کیلوبایت |
| فرمت فایل اصلی | doc |
| دسته بندی | مهندسی کامپبوتر و فناوری اطلاعات |
ترجمه مقاله پردازش معنایی در مورد داده های بزرگ در 7 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
عنوان فارسی :
پردازش معنایی در مورد داده های بزرگ
عنوان انگلیسی :
Semantic Processing on Big Data
تعداد صفحات فارسی : 7 صفحه ورد قابل ویرایش
سطح ترجمه : متوسط
شناسه کالا : y2164
دانلود رایگان مقاله انگلیسی : http://ofmas.ir/dlpaper/y2164.pdf
دانلود ترجمه فارسی مقاله : بلافاصله پس از پرداخت آنلاین 10 هزار تومان قادر به دانلود خواهید بود .
بخشی از ترجمه :
چکیده
برای پردازش داده های بزرگ به طور کارامدتر و هوشمندانه تر، الگوریتم جدیدی ارائه شد. داده های بزرگ، با RDFS نشان داده شد؛ طرح داده ها به گراف معنایی متناهی تبدیل شد. با استفاده از مدل محاسبه ی نقشه/ کاهش، الگوریتم استدلال، برای پردازش داده های انبوه، طراحی شد. هم چنین پرس و جو به گراف معنایی متناهی و معنایی متناسب با گراف کامل، تبدیل شد. آزمایش نشان داده است، الگوریتم موثر است.
Abstract
To process Big Data more efficiently and intelligently, new algorithm was proposed. Big Data was represented with RDFs; schema of data was transformed into Finite Semantic Graph. Using Map/Reduce computing model, reasoning algorithm was designed to process mass data. Query was also transformed into Finite Semantic Graph, and semantic matched with full graph. Experiment has shown that algorithm is effective.