Show simple item record

dc.contributor.advisorHerrera Triguero, Francisco 
dc.contributor.advisorTriguero Velázquez, Isaac
dc.contributor.authorMaillo Hidalgo, Jesús
dc.contributor.otherUniversidad de Granada. Programa de Doctorado en Tecnologías de la Información y la Comunicaciónes_ES
dc.date.accessioned2020-07-07T11:35:21Z
dc.date.available2020-07-07T11:35:21Z
dc.date.issued2020
dc.date.submitted2020-05-07
dc.identifier.citationMaillo Hidalgo, Jesús. Fast k-nearest neighbors for Big Data and Smart Data. Granada: Universidad de Granada, 2020. [http://hdl.handle.net/10481/62892]es_ES
dc.identifier.isbn9788413065267
dc.identifier.urihttp://hdl.handle.net/10481/62892
dc.description.abstractIn 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.es_ES
dc.description.abstractEn 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.es_ES
dc.description.sponsorshipTesis Univ. Granada.es_ES
dc.description.sponsorshipSpanish National Research Project TIN2017- 89517-Pes_ES
dc.description.sponsorshipSpanish Ministry of Education FPU14/03081es_ES
dc.format.mimetypeapplication/pdfen_US
dc.language.isoenges_ES
dc.publisherUniversidad de Granadaes_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.subjectBig Dataes_ES
dc.subjectSmart Dataes_ES
dc.subjectAlgoritmos es_ES
dc.titleFast k-nearest neighbors for Big Data and Smart Dataes_ES
dc.typeinfo:eu-repo/semantics/doctoralThesises_ES
europeana.typeTEXTen_US
europeana.dataProviderUniversidad de Granada. España.es_ES
europeana.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/en_US
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
dc.type.hasVersioninfo:eu-repo/semantics/publishedVersiones_ES


Files in this item

[PDF]

This item appears in the following Collection(s)

  • Tesis
    Tesis leídas en la Universidad de Granada

Show simple item record

Atribución-NoComercial-SinDerivadas 3.0 España
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 3.0 España