test

Bài viết

Approach to collaborative fuzzy clustering in large data analysis

DOI: 10.54654/isj.v2i17.892
Từ khóaGPUsphân cụm cộng tácphân cụm mờtính toán hiệu năng cao

Tóm tắt

Tóm tắt— Khi các tập dữ liệu có một hoặc nhiều đặc điểm tương đồng với nhau, việc phân cụm trong mỗi tập dữ liệu này sẽ có ảnh hưởng đến các tập dữ liệu khác. Tuy nhiên, vì nhiều lý do khác nhau như vấn đề bảo mật dữ liệu, những dữ liệu này không thể được lưu trữ tập trung mà lưu trữ ở những nơi khác nhau. Mô hình phân cụm cộng tác là kỹ thuật phân cụm cho phép thực hiện tại mỗi tập dữ liệu con, và thực hiện trao đổi thông tin với các tập dữ liệu khác. Quá trình cộng tác sẽ được thực hiện để điều chỉnh kết quả phân nhóm trên mỗi tập con để đạt được kết quả phân nhóm tốt hơn trên các tập dữ liệu con. Bài báo này trình bày một cách tiếp cận phân cụm mờ cộng tác trong phân tích dữ liệu lớn dựa trên mô hình tính toán hiệu năng cao để cải thiện tốc độ tính toán của thuật toán được đề xuất. Thử nghiệm trên tập dữ liệu tấn công mạng Kitsune cho thấy thuật toán đề xuất cải thiện đáng kể tốc độ tính toán so với phương pháp trước đó.

Lượt tải theo tháng

071303/2304/2305/2306/2307/2308/2309/2310/2311/2312/2301/2403/2404/2405/2406/2407/2408/2409/2410/2411/2412/2402/2503/2504/2505/2506/2507/2508/2510/2511/2512/2501/2602/2603/2604/26

Di chuột vào cột để xem số lượt tải.

Cách trích dẫn

Mai Dinh Sinh, Đang Trong Hop, Đo Viet Duc, Ngo Thanh Long (2023). Approach to collaborative fuzzy clustering in large data analysis. Tạp chí Khoa học và Công nghệ trong lĩnh vực An toàn thông tin, 3(17), 10-16. https://doi.org/10.54654/isj.v2i17.892

Tài liệu tham khảo

  1. 1.James C.Bezdek, Robert Ehrlich, William Full. FCM: The fuzzy c-means clustering algorithm, Computers & Geosciences, Volume 10, Issues 2–3, 1984, Pages 191-203. https://doi.org/10.1016/0098-3004(84)90020-7.
  2. 2.K.R. Zalik, An efficient k-means clustering algorithm, Pattern Recognition Letters Vol. 29, pp 1385 - 1391, 2008. https://doi.org/10.1016/j.patrec.2008.02.014.
  3. 3.L. Zhu, F.L. Chung, S. Wang, Generalized Fuzzy C-Means Clustering Algorithm With Improved Fuzzy Partitions, IEEE Trans. On Systems, Man, and Cybernetics, Part B: Cybernetics, Vol. 39(3), pp 578-591, 2009. 10.1109/TSMCB.2008.2004818.
  4. 4.Haiyang Li, Zhaofeng Yang, Hongzhou He. An Improved Image Segmentation Algorithm Based on GPU Parallel Computing. Journal of Software, Vol 9, No 8 (2014), 1985-1990, 2014. 10.4304/jsw.9.8.1985-1990.
  5. 5.Mahmoud Al-Ayyoub, AnsamM Abu-Dalo, Yaser Jararweh, Moath Jarrah, Mohammad Al Sa’d, A GPU-based implementations of the fuzzy C-means algorithms for medical image segmentation. The Journal of Supercomputing, 1-14, Springer US, 2015. https://doi.org/10.1007/s11227-015-1431-y.
  6. 6.Shalom, S.A.A., Dash, M. and Tue, M. Graphics hardware based efficient and scalable fuzzy c-means clustering. 7th Australasian data mining conference, volume 87, 179-186, 2008. https://dl.acm.org/doi/10.5555/2449288.2449316.
  7. 7.Witold Pedrycz, Collaborative fuzzy clustering, Pattern Recognition Letters 23, pp1675–1686, 2002. https://doi.org/10.1016/S0167-8655(02)00130-7.
  8. 8.Witold Pedrycz, Collaborative clustering with the use of Fuzzy C-Means and its quantification, Fuzzy Sets and Systems, pp 2399 – 2427, 2008. https://doi.org/10.1016/j.fss.2007.12.030.
  9. 9.Trong Hop Dang, Dinh Sinh Mai, Long Thanh Ngo. Multiple kernel collaborative fuzzy clustering algorithm with weighted super-pixels for satellite image land-cover classification, Engineering Applications of Artificial Intelligence, Vol. 85, 2019, 85-98. https://doi.org/10.1016/j.engappai.2019.05.004.
  10. 10.N. Aitali, B. Cherradi, A. El Abbassi, O. Bouattane and M. Youssfi, "GPU based implementation of spatial fuzzy c-means algorithm for image segmentation," 2016 4th IEEE International Colloquium on Information Science and Technology (CiSt), 2016, pp. 460-464. 10.1109/CIST.2016.7805092.
  11. 11.Mishal Almazrooie, Mogana Vadiveloo, Rosni Abdullah. GPU-Based Fuzzy C-Means Clustering Algorithm for Image Segmentation, 2016, https://arxiv.org/abs/1601.00072.
  12. 12.L. T. Ngo, D. S. Mai and M. U. Nguyen, "GPU-based acceleration of interval type-2 fuzzy c-means clustering for satellite imagery land-cover classification," 12th International Conference on Intelligent Systems Design and Applications (ISDA), 2012, pp. 992-997, https://doi.org/10.1109/ISDA.2012.6416674.
  13. 13.J. C. Bezdek, Numerical taxonomy with fuzzy sets, Journal of Mathematical Biology, vol. 1, no. 1, pp. 57–71, 1974. https://doi.org/10.1007/BF02339490.
  14. 14.J. C. Bezdek, Cluster validity with fuzzy sets, Journal of Cybernetics, vol. 3, no. 3, pp. 58–73, 1974.https://doi.org/10.1080/01969727308546047.
  15. 15.https://archive.ics.uci.edu/ml/datasets.php.