| کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
|---|---|---|---|---|
| 6940327 | 1450010 | 2018 | 9 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Review on mining data from multiple data sources
ترجمه فارسی عنوان
اطلاعات معادن را از منابع متعدد داده کاوش کنید
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
معدن منبع داده چندگانه، تجزیه و تحلیل الگو، طبقه بندی داده ها، خوشه بندی داده ها، همجوشی داده ها،
ترجمه چکیده
در این مقاله، پیشرفت های اخیر در زمینه داده های معدن از منابع مختلف داده ها را بررسی می کنیم. پیشرفت فناوری ارتباطات اطلاعات مقدار زیادی از داده ها را از منابع مختلف تولید کرده است که ممکن است در مکان های مختلف زمین شناسی ذخیره شوند. داده های معدن از منابع مختلف چندگانه برای استخراج اطلاعات مفید، به عنوان یک وظیفه بسیار پیچیده در زمینه استخراج داده ها، به ویژه در دوران بزرگ داده فعلی محسوب می شود. روش های استخراج منابع داده های چندگانه می تواند به طور عمده به چهار گروه تقسیم شود: (1) تجزیه و تحلیل الگوی، (2) طبقه بندی چند منبع داده، (3) خوشه بندی چند منبع داده، و (4) تلفیق چندین منبع داده. هدف اصلی این بررسی این است که به طور سیستماتیک ایده هایی را در پشت چندین روش استخراج داده های چندگانه موجود و اکتشاف نتایج تحقیقات اخیر در این زمینه بررسی کنیم.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
In this paper, we review recent progresses in the area of mining data from multiple data sources. The advancement of information communication technology has generated a large amount of data from different sources, which may be stored in different geological locations. Mining data from multiple data sources to extract useful information is considered to be a very challenging task in the field of data mining, especially in the current big data era. The methods of mining multiple data sources can be divided mainly into four groups: (i) pattern analysis, (ii) multiple data source classification, (iii) multiple data source clustering, and (iv) multiple data source fusion. The main purpose of this review is to systematically explore the ideas behind current multiple data source mining methods and to consolidate recent research results in this field.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition Letters - Volume 109, 15 July 2018, Pages 120-128
Journal: Pattern Recognition Letters - Volume 109, 15 July 2018, Pages 120-128
نویسندگان
Ruili Wang, Wanting Ji, Mingzhe Liu, Xun Wang, Jian Weng, Song Deng, Suying Gao, Chang-an Yuan,