-This paper presented an overview o

-This paper presented an overview of parallel algorithms for two of the commonly
used data mining techniques: classification and associations.
-To date, the parallel formulations of many decision-tree induction and asso-
ciation rule discovery algorithms are reasonably well-understood. Relatively less
work has been done on the parallel algorithms for other data mining techniques
such as clustering, rule-based classification algorithms, deviation detection, and
regression.
-This paper presented
a possible application, i.e., large data sets collected by Earth observing satellites
that need to be processed to better understand global scale changes in biosphere
processes and patterns.
-The key technical
challenges in mining these data sets include:
+ (i) high volume, dimensionality and
heterogeneity;
+(ii) the spatio-temporal aspects of the data;
+(iii) possibly skewed
class distributions;
+(iv) the distributed nature of the data;
+(v) the complexity
in converting raw collected data into high level features.
-High performance data
mining is essential to analyze the growing data and provide analysts with auto-
mated tools that facilitate some of the steps needed for hypothesis generation
and evaluation.

Kết quả (Việt) 1:

-Giấy này trình bày một tổng quan về các giải thuật song song cho hai của các phổ biếnsử dụng kỹ thuật khai thác dữ liệu: phân loại và các Hiệp hội. -Đến ngày, các công thức song song của nhiều cảm ứng quyết định-cây và asso-ciation quy tắc phát hiện thuật toán là hợp lý cũng hiểu. Tương đối ít hơncông việc đã được thực hiện trên các thuật toán song song cho các kỹ thuật khai thác dữ liệu khácchẳng hạn như clustering, thuật toán phân loại dựa trên nguyên tắc, phát hiện độ lệch, vàhồi quy. -Giấy này trình bàymột ứng dụng có thể, tức là, lớn tập hợp dữ liệu được thu thập bởi trái đất quan sát vệ tinhmà cần phải được xử lý để hiểu rõ hơn về phạm vi toàn cầu thay đổi trong sinh quyểnquy trình và các mẫu. -Chìa khóa kỹ thuậtthách thức trong khai thác các bộ dữ liệu bao gồm: + (i) cao khối lượng, chiều vàheterogeneity; +(II) thời nhất các khía cạnh của dữ liệu; +(III) có thể sai lệchlớp phân phối; +(IV) bản chất phân phối dữ liệu; +(v) sự phức tạptrong chuyển đổi nguyên thu thập dữ liệu vào tính năng cao cấp. -Dữ liệu cao hiệu suấtkhai thác mỏ là điều cần thiết để phân tích các dữ liệu phát triển và cung cấp cho các nhà phân tích với auto-mated công cụ tạo điều kiện cho một số các bước cần thiết cho giả thuyết thế hệvà đánh giá.

Kết quả (Việt) 2:

Giấy -Đây trình bày tổng quan về các thuật toán song song cho hai trong số các thường
các kỹ thuật khai thác dữ liệu được sử dụng:. Phân loại và các hiệp hội
ngày -Để, các công thức song song của nhiều cảm ứng cây quyết định và ÆÂng
thuật toán phát hiện quy luật ciation được hợp lý được hiểu rõ. Tương đối ít
công việc đã được thực hiện trên các thuật toán song song cho các kỹ thuật khai thác dữ liệu khác
như phân nhóm, các thuật toán phân loại dựa trên nguyên tắc, phát hiện sai lệch, và
hồi quy.
Giấy -Đây bày
một ứng dụng có thể, ví dụ, tập hợp dữ liệu lớn được thu thập bởi Trái đất quan sát vệ tinh
mà cần phải được xử lý để hiểu rõ hơn về những thay đổi quy mô toàn cầu trong sinh quyển
quy trình và mô hình.
-Các kỹ thuật chính
những thách thức trong việc khai thác các dữ liệu bộ bao gồm:
+ (i) lượng cao, đa chiều và
không đồng nhất;
+ (ii) các khía cạnh không-thời gian của dữ liệu;
+ (iii) có thể bị sai lệch
phân lớp;
+ (iv) tính chất phân bố của dữ liệu;
+ (v) sự phức tạp
trong việc chuyển đổi dữ liệu thô thu thập vào các tính năng cao cấp.
-High dữ liệu hiệu suất
khai thác là điều cần thiết để phân tích các dữ liệu ngày càng tăng và cung cấp cho các nhà phân tích với auto
công cụ giao phối để tạo điều kiện một số bước cần thiết cho thế hệ giả thuyết
và đánh giá.