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

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 520

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCONF01_098

تاریخ نمایه سازی: 14 آذر 1394

چکیده مقاله:

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.

نویسندگان

سلمان طائی

گروه کامپیوتر، واحد مرودشت، دانشگاه آزاد اسلامی مرودشت، ایران

علی مهجور

گروه کامپیوتر، عضو هیئت علمی دانشگاه مالک اشتر، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • طائی، سلمان، ممبنی، مرضیه، شریعتمداری، شهداد، قناعتیان، الهام و طوسی، ...
  • Aggarwal, C. (2007) Data Streams Models and Algorithms, 1th Edition, ...
  • Beringer, J., and Hullermeier, E. (2010) Online Clustering of Parallel ...
  • Charu, C.. Aggarwal, A., (2013) Survey of Stream Clustering Algorithms, ...
  • Gordon, M. (2010) Compiler Techniques for Scalable Performance of Stream ...
  • Guerrieri, A., and Montresor, A., (2008) DS-Means Distributed Data Stream ...
  • Guha, S., Meyerson, A., Mishra, N., and Motwani, R., (2003) ...
  • Hammouda, K. (2013) A Comparative Study of Data Clustering Techniques, ...
  • Khalilian, M., Mustapha, N., (2010) Data Stream Clustering Challenges and ...
  • Rixner, S. (2001) Stream Processor Architecture, 1th Edition, California: William ...
  • Shirako, J., Peixotto, D., Sbirlea, D., and Sarkar, V. (2011) ...
  • Thies, W. (2009) Language and Compiler Support for Stream Programs, ...
  • نمایش کامل مراجع