@misc{10481/62892,
year = {2020},
url = {http://hdl.handle.net/10481/62892},
abstract = {In this thesis, we have presented an extensive study of the kNN algorithm in Big Data problems
and its application to transform Big Data into Smart Data. The objective has been to the design,
implementation, analysis and evaluation of the proposed algorithms. This thesis started by enabling
the original kNN classifier to tackle Big Data problems, and then we extended that proposal to allow
its fuzzy variation, in order to improve the scalability and accuracy. Afterwards, the implication of
the kNN algorithm in obtaining Smart Data is analysed, highlighting the proposal as an imputation
of MVs. Finally, two specific complexity and density metrics for Big Data problems are proposed in
order to study the redundancy information in large scale datasets.},
abstract = {En esta tesis hemos presentado un amplio estudio sobre el algoritmo kNN en problemas Big Data y
su uso para transformar grandes conjuntos de datos en Smart Data. Como objetivo se ha planteado
el diseño, implementación, análisis y evaluación de los algoritmos propuestos. Comienza con la
propuesta escalable y exacta del algoritmo kNN y se extiende con la mejora aproximada de FkNN.
Posteriormente, se ha analizado la implicación del algoritmo kNN en la obtención de Smart Data,
destacando la propuesta como imputador de MVs. Finalmente, se han propuesto dos métricas
de complejidad y densidad específicas para problemas Big Data con el propósito de estudiar la
redundancia de información en conjuntos de datos de gran escala.},
organization = {Tesis Univ. Granada.},
organization = {Spanish National Research Project TIN2017- 89517-P},
organization = {Spanish Ministry of Education FPU14/03081},
publisher = {Universidad de Granada},
keywords = {Big Data},
keywords = {Smart Data},
keywords = {Algoritmos},
title = {Fast k-nearest neighbors for Big Data and Smart Data},
author = {Maillo Hidalgo, Jesús},
}