بهینه سازی الگوریتم پردازش موازی در داده های بزرگ

با افزایش روزافزون اطلاعات و داده های تولید شده با ویژگی های متنوع و فراوان از بسترهای فناوری مختلف، ذخیره سازی و طبقه بندی آنها بیش از پیش احساس می شود. استخراج اطلاعات مفید و مورد نیاز از حجم عظیمی از داده ها مستلزم افزایش سرعت پردازش و بهبود تحلیل های مختلف است. تاکنون روش های مختلفی برای بهبود الگوریتم های خوشه بندی ایجاد شده است که با بهبود روش ها و الگوریتم های موجود و موازی سازی آنها، دستیابی به سرعت پردازش بالایی را ممکن ساخته است. در این تحقیق با استفاده از یکی از معروف ترین روشهای خوشه بندیK-meansو بهبود عملکرد آنVRKM در تعیین نقاط اولیه به عنوان مراکز بهینه استفاده شده است. با در نظر گرفتن یک داده نمونه با استفاده از روش کاهش واریانس و سپس موازی سازی آنPVRKM سعی در افزایش سرعت و عملکرد آن در مقایسه با سایر روش های موجود شده است. در این روش از تکنیک جستجوی نواحی با چگالی بالا استفاده شده است

کلیدواژه ها:

پردازش موازی ، داده های بزرگ.