版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、大數(shù)據(jù)時(shí)代,互聯(lián)網(wǎng)每天都會(huì)產(chǎn)生大量的數(shù)據(jù),利用數(shù)據(jù)挖掘算法可以從中分析出有價(jià)值的數(shù)據(jù)。在聚類分析方法中,K-means聚類算法是應(yīng)用最廣泛的一種劃分方法。該算法簡(jiǎn)單,且收斂速度快,但面對(duì)大數(shù)據(jù)集時(shí),通用處理器遇到運(yùn)算量大的瓶頸,基于單核單機(jī)的串行程序已經(jīng)無(wú)法滿足要求。針對(duì)這些問題,基于Hadoop2.0,采用CPU和FPGA的集群架構(gòu),提出了一種大數(shù)據(jù)量下基于MapReduce的K-means聚類算法的FPGA加速系統(tǒng),利用并行處理技術(shù)
2、以提高大數(shù)據(jù)量下K-means聚類算法的處理速度。
首先,分析K-means聚類算法,找出該算法中最耗時(shí)的計(jì)算過程。利用MapReduce并行編程模型的優(yōu)點(diǎn),對(duì)K-means算法進(jìn)行并行化設(shè)計(jì),確定map過程和reduce過程的任務(wù)。為了減少中間結(jié)果的回傳,在map過程后設(shè)立一個(gè)combine過程。在單個(gè)計(jì)算節(jié)點(diǎn)上通過PCI-express總線連接若干個(gè)FPGA加速卡,利用驅(qū)動(dòng)程序?qū)apReduce過程中最耗時(shí)的計(jì)算任務(wù)發(fā)往
3、FPGA上進(jìn)行計(jì)算,利用FPGA片上功能模塊間流水化、功能模塊內(nèi)并行化優(yōu)勢(shì),大幅提高了系統(tǒng)的運(yùn)算速度。
Map加速器處理邏輯包括接口部分和計(jì)算部分,其中接口部分包括PCIe接口模塊、硬件平臺(tái)接口模塊、數(shù)據(jù)接收模塊和數(shù)據(jù)發(fā)送模塊;計(jì)算部分包括map報(bào)文解析模塊、多個(gè)map計(jì)算模塊、調(diào)度模塊以及combine計(jì)算模塊。Reduce加速器處理邏輯的接口部分和Map加速器使用的相同;計(jì)算部分包括Reduce報(bào)文解析模塊、文檔數(shù)累加模塊
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于MapReduce的海量數(shù)據(jù)K-means聚類算法研究.pdf
- 基于K-Means的文檔聚類算法研究.pdf
- 基于MapReduce的K_means聚類算法研究.pdf
- K-means聚類算法的改進(jìn).pdf
- K-means聚類算法的改進(jìn)研究.pdf
- 基于Global K-means的多維數(shù)據(jù)聚類算法研究及其GPU加速.pdf
- 基于K-means聚類的RCNA識(shí)別算法.pdf
- (6)K-means聚類算法.pdf
- K-means聚類優(yōu)化算法的研究.pdf
- 基于K-means聚類算法的負(fù)荷模型研究.pdf
- 基于K-Means聚類算法的客戶細(xì)分研究.pdf
- 基于mapreduce的k-means并行算法設(shè)計(jì)
- 基于mapreduce的k-means并行算法設(shè)計(jì)
- 密度敏感的K-means聚類算法研究.pdf
- K-means聚類算法研究及其應(yīng)用.pdf
- 基于密度的改進(jìn)K-Means文本聚類算法研究.pdf
- 基于遺傳算法的K-MEANS聚類改進(jìn)研究.pdf
- 數(shù)據(jù)挖掘K-means聚類算法的研究.pdf
- K-Means聚類算法的研究與改進(jìn).pdf
- 基于新聞評(píng)論數(shù)據(jù)的K-means聚類算法的研究.pdf
評(píng)論
0/150
提交評(píng)論