سال انتشار: 2016

---

چکیده:

کیفیت و کمیت در داده‌ها برای کارآمدی حل کردن مسائل یکی از مهم ترین نکات است. امروزه تحلیل‌های داده های بزرگ‌ها، که برای مدیریّت در حجم‌های بالای داده با سرعت بالا مطرح می‌شود، توجّه‌های زیاد و روز افزونی را به خود جلب کرده است. آن یک زمینه تحقیقاتی جدید در زمینه تکنیک‌های پردازش اطلّاعات است. البته این رشته با چالش‌ها و سختی‌های در زمینه حجم‌های داده های بزرگ، ابعادپذیری بالا و تغیّرات پویا در زمینه داده‌ها روبرو است. هرچند، که چنین موضوع‌هایی با کمک دیگر میدان‌ها و مطالعات انجام شده مانند هوش‌گروهی (SI) که شیوه جمع‌آوری اطلّاعات الهام گرفته شده از طبیعت است، تا حدودی حل گردیده است. این مقاله سعی دارد که به بررسی این موضوع بپردازد.

روش، شیوه‌ها، طراحی: در این مقاله، نرم‌افزار و روش کاربردی هوش‌گروهی در زمینه تحلیل‌های داده های بزرگ ای، تحلیل گردیده است. همبستگی و وابستگی میان تحلیل‌های داده های بزرگ و شیوه‌ها و تکنیک‌ها‌های هوش‌گروهی در این جا مورد بحث قرار گرفته است. یکی از نمونه‌های کاربردی در زمینه الگوریتم‌ها هوش‌گروهی که در پردازش‌های داده های بزرگ‌ای به‌کارگرفته می‌شود، یک سامانه برنامه‌ریزی گروهی است که در بندری در چین معرّفی گردیده است. نمونه دیگر در اینجا نیز یک مسأله بارارسالی اقتصادی در برنامه‌ریزی سامانه‌های نیروی مدرن است.

یافته‌ها: ویژگی داده های بزرگ شامل حجم، تنوع، سرعت، صحت و مقدار است. در الگوریتم‌ها هوش‌گروهی، این ساختار‌ها می‌توانند که به‌ترتیب به شکل مسائل مقیاس‌های بزرگ، ابعاد بسیاری، پویایی، نویر و تعویض داده‌ها و هدف و تناسب مطرح شود که باید آن‌ها به شکل‌های کارآمدی حل شوند.

---

کلمات کلیدی اصلی این محصول: مقاله تحلیل داده های بزرگ ، مقاله داده کاوی داده های بزرگ ، دانلود مقاله تحلیل داده های بزرگ ،  دانلود مقاله داده کاوی داده های بزرگ

کلمات کلیدی انگلیسی: Big data analysis , Big data mining