یک روش نوین جهت افزایش همگام سازی فیلترهای موازی زبان استریمآیتی توسط خوشه بندی بهینه دادهها با الگوریتم تخمین توزیع

تقاضای مشترک فیلترهای موازی بر یک جریان داده یا بخشی از آن، باعث تأخیر یکدیگرمیشود برنامه های مبتنی برجریان از لحاظ ذخیره یا پردازش برخط اطلاعات در حافظه اصلی منعطف نیستند. تجزیه جریانداده ها به صورت پویا نیازمند صرف توان پردازشی در مرحله ورود جریان داده است. روشهای خوشهبندی نیازمند اطلاعات قبلی ذخیره جریان داده ها و صرفزمان جهت پردازش هستند. انتظار فیلترها جهت دریافت دادهها میتواند بهصورت چرخش بازخوردی سبب انحصار متقابل گردد. الگوریتمهای مبتنی بر جمعیت مانند ژنتیک وابسته به حالت میباشند؛ این روشها زمان قابل توجهی صرف اموزش و ارزیابی مسائل میکنند. برخلا الگوریتم ژنتیک مرحله آموزش روش تخمین توزیع به صورت همروند انجام شود خوشه بندی دادهها توسط روش تخمین توزیع مانند تجزیه پویا و هوشمند دادهها با تأخیر کمتر است .تجزیه مناس جریان داده باعث تشکی گرا جریان باقابلیت اجرای موازی و همروند سطری میگردد. توسط تجزیه بهینه دادهها و تشکی گرا جریان متوازن امکان اجرای همروند فیلترها افزایش مییابد. بنابراین با ا ین روش فیلترها ی وابستهمیتوانند بهصورت مجزا، همگام، موازی یا ترکیبی اجرا شوند. سطح دانهبندی پارامترهای ورودی فیلترها بهصورت قررارداد ی توسط شاخص گذاری شناسایی میشود. مدل احتمال الگوریتم را برای اولین بار توسط ایجاد جمعیت نمونه با ساختار جریان داده آشنا میکنیم. همزمان با ورود جریان داده بدون ذخیره اطلاعات، تلاش به تجزیه جریان تا سطح تخمین شده مینماییم.

کلیدواژه ها:

استریم آیتی ، الگوریتم تخمین توزیع ، جریان داده ، همگام سازی ، موازی سازی