زهرا اخودداد - پژوهشگاه توسعه فناوری های پیشرفته خواجه نصیرالدین طوسی

کلاس بندی کلان داده ها یکی از چالش های مهم پیش روی محققین این حوزه می باشد. یکی از رویکردهای مقابله با چالش های کلان داده کاهش داده در عملیات پیش پردازش می باشد که امکان انجام عملیاتی چون کلاس بندی کلان داده را در زمان مناسب و با صرف منابع معقول ممکن می سازد. در مقاله حاضر، استفاده از چارچوب نگاشت کاهش برای کاهش داده به منظور کلاس بندی بهتر مورد بحث و بررسی قرار گرفته و تعدادی از جدیدترین و موفق ترین رویکردهای این حوزه تحلیل شده است. روش هایی مانند کاهش نمونه و استفاده از رویکردهای تکاملی برای کاهش ویژگی معرفی و توصیف شده اند. مزایا و معایب هریک عنوان شده و مقایسه ی روی روش های پیشنهادی انجام شده است.

کلاس بندی کلان داده، کاهش داده، نگاشت کاهش، کاهش ویژگی، بیش نمونه برداری