Аннотации:
Работа посвящена модифицикации алгоритмов FRiS-методологии для удовлетворения основным требованиям к алгоритмам из области Big Data. Алгоритмы FRiS-методологии успели зарекомендовать себя в практическом применении. Применение данных алгоритмов для огромных объемов данных на данный момент затруднительно, но представляет существенный интерес.
Были выявлены основные конкуренты алгоритмов FRiS-Stolp и FRiS-Cluster в Big Data, и произведен сравнительный анализ. Результатом анализа стал вывод о возможности применения алгоритмов FRiS-методологии к Big Data. В ходе работы было произведено уменьшение вычислительной сложности алгоритмов FRiS-Stolp и FRiS-Cluster с 𝑂�(𝑛�2) до 𝑂�(𝑛�). Применены k-d деревья для более быстрого поиска соседей. Реализована поддержка парадигмы массивных параллельных вычислений MapReduce.
Поставлены эксперименты, показывающие удовлетворительное снижение качества решаемых задач классификации и кластеризации на фоне многкратного увеличения производительности. Полученные результаты оригинальны в рамках FRiS-методологии, так как попыток удовлетворить требованиям Big Data ранее не предпринималось.
Общее количество страниц – 34, таблиц – 1, иллюстрация — 13. Список литературы содержит указания на 16 источников.
…………….