Wysokoprzepustowe drążenie danych
Jednym z głównych dziedzin w których wykorzystywane jest drążenie danych, są dziedziny zależne od wysokoprzepustowej analizy i obróbki danych. W dziedzinach tych często zdarzają się zbiory które mają więcej niż 1 milion rekordów, oraz więcej niż 500 tyś. atrybutów. Analiza takiego zbioru przez tradycyjne algorytmy takie jak Sieci Neuronowe lub pochodne nie była by możliwa ze względu na fizycznie skończony charakter pamięci operacyjnej (w pewnym momencie zabrakło by miejsca).
Do algorytmów wysokoprzepustowych można zaliczyć takie algorytmy które korelacja szybkości działania i wielkości zbioru wejściowego jest mała. Autor niniejszej pracy spostrzegł, że algorytmy najprostsze są najlepsze do takich zadań. Spostrzeżenie to doskonale koreluje się z twierdzeniem tzw. "Brzytwy Ockhama".
Do algorytmów wysokoprzepustowych, zaliczyć można takie narzędzia jak:
- tradycyjny klasyfikator statystyczny badający rozstęp danych,
- klasyfikatory K-NN,
- filtr Kalmana,
- drzewa filogenetyczne,
- zbiory rozmyte.
Algorytmy te często stosowane są w takich dziedzinach nauki jak: bioinformatyka, biotechnologia, chemia, automatyka i robotyka, przetwarzanie sygnałów itp. Wykorzystuje się je do takich zadań jak: znajdowanie genomu człowieka, badanie białek, odkrywanie leków, sterowanie samolotem, sterowanie elektrociepłowniami itp [22, 21].
komentarze
Copyright © 2008-2010 EPrace oraz autorzy prac.