1. Trang chủ
  2. » Luận Văn - Báo Cáo

Khai thác song song tập phổ biến

93 16 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Tiêu đề Khai Thác Song Song Tập Phổ Biến Dựa Trên Mảng Systolic
Tác giả Công Minh Hiếu
Người hướng dẫn TS. Bùi Đức Minh
Trường học Trường Đại Học Công Nghệ TP. HCM
Chuyên ngành Công Nghệ Thông Tin
Thể loại Luận Văn Thạc Sĩ
Năm xuất bản 2016
Thành phố TP. HỒ CHÍ MINH
Định dạng
Số trang 93
Dung lượng 1,34 MB

Nội dung

Ngày đăng: 11/07/2021, 16:52

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] Đỗ Phúc (2006), “ Giáo trình khai thác dữ liệu” , Nxb Đại học Quốc gia TP Hồ Chí Minh Sách, tạp chí
Tiêu đề: Giáo trình khai thác dữ liệu”
Tác giả: Đỗ Phúc
Nhà XB: Nxb Đại học Quốc gia TP Hồ Chí Minh
Năm: 2006
[2] Đoàn văn Ban, Nguyễn Mậu Hân, “Xử lý song song và phân tán” , NXB KH&KT, 2006 Sách, tạp chí
Tiêu đề: Xử lý song song và phân tán”
Nhà XB: NXB KH&KT
[3] Giang Thị Thu Huyền, Luận văn “Nghiên cứu các luật kết hợp song song trong khai thác dữ liệu”, 2010.Tiếng Anh Sách, tạp chí
Tiêu đề: Nghiên cứu các luật kết hợp song song trong khai thác dữ liệu
[4] M.K. Sohrabi and A.A. Barforoush (2013), “Parallel frequent itemset mining using systolic arrays”, Knowledge-Based Systems, 37, 462–471 Sách, tạp chí
Tiêu đề: “Parallel frequent itemset mining using systolic arrays”
Tác giả: M.K. Sohrabi and A.A. Barforoush
Năm: 2013
[5] A. Javed, A. Khokhar, “Frequent pattern mining on message passing Multi- processor systems”, Distributed and Parallel Databases 16 (2004) 321–334 Sách, tạp chí
Tiêu đề: “Frequent pattern mining on message passing Multi-processor systems”, Distributed and Parallel Databases 16
[6] Bay Vo, Tuong Le, Frans Coenen, T.P Hong (2013), “A hybrid approach for mining frequent itemsets”, IEEE SMC'13, Manchester, UK, 4647-4651 Sách, tạp chí
Tiêu đề: A hybrid approach for mining frequent itemsets”
Tác giả: Bay Vo, Tuong Le, Frans Coenen, T.P Hong
Năm: 2013
[7] Bay Vo, Bac Le, Thang N. Nguyen (2011), “Mining frequent itemsets from multidimensional databases”, ACIIDS 2011, Daegu, Korea, LNAI 6591, 177-186 (Springer) Sách, tạp chí
Tiêu đề: “Mining frequent itemsets from multidimensional databases”
Tác giả: Bay Vo, Bac Le, Thang N. Nguyen
Năm: 2011
[8] D. Chen, C. Lai, W. Hu, W.G. Chen, Y. Zhang, W. Zheng, “Tree partition based parallel frequent pattern mining on shared memory systems”, in: IEEE Parallel and Distributed Processing Symposium, 2006 Sách, tạp chí
Tiêu đề: “Tree partition based parallel frequent pattern mining on shared memory systems”
[9] K.M. Yu, J. Zhou, W.C. Hsiao, Load balancing approach parallel algorithm for frequent pattern mining, in: PaCT, 2007, pp. 623–631 Sách, tạp chí
Tiêu đề: Load balancing approach parallel algorithm for frequent pattern mining
[10] M.K. Sohrabi, A.A. Barforoush, “Efficient colossal pattern mining in high dimensional datasets”, Knowledge Based Systems (2012) Sách, tạp chí
Tiêu đề: “Efficient colossal pattern mining in high dimensional datasets”
[11] S.K. Tanbeer, C.F. Ahmed, B.-S. Jeong, “Parallel and distributed algorithms for frequent pattern mining in large databases”, IETE Technical Review (2010) Sách, tạp chí
Tiêu đề: “Parallel and distributed algorithms for frequent pattern mining in large databases”

HÌNH ẢNH LIÊN QUAN

Hình 1.1. Quá trình phát hiện tri thức từ CSDL [3] - Khai thác song song tập phổ biến
Hình 1.1. Quá trình phát hiện tri thức từ CSDL [3] (Trang 20)
Hình 1.2. Khám phá tri thức trong CSDL điển hình - Khai thác song song tập phổ biến
Hình 1.2. Khám phá tri thức trong CSDL điển hình (Trang 22)
Hình 1.3. Một số lĩnh vực liên quan đến khai thác dữ liệu - Khai thác song song tập phổ biến
Hình 1.3. Một số lĩnh vực liên quan đến khai thác dữ liệu (Trang 24)
Hình 1.4. Mô hình kiến trúc máy SISD - Khai thác song song tập phổ biến
Hình 1.4. Mô hình kiến trúc máy SISD (Trang 29)
Bảng 1.1. Mô tả phân loại kiến trúc của Flynn - Khai thác song song tập phổ biến
Bảng 1.1. Mô tả phân loại kiến trúc của Flynn (Trang 29)
Hình 1.5. Mô hình kiến trúc máy SIMD - Khai thác song song tập phổ biến
Hình 1.5. Mô hình kiến trúc máy SIMD (Trang 30)
Hình 1.6. Mô hình kiến trúc máy MISD - Khai thác song song tập phổ biến
Hình 1.6. Mô hình kiến trúc máy MISD (Trang 30)
Hình 1.7. Mô hình kiến trúc máy MIMD - Khai thác song song tập phổ biến
Hình 1.7. Mô hình kiến trúc máy MIMD (Trang 31)
Bảng 1.2. Cơ sở dữ liệu mẫu - Khai thác song song tập phổ biến
Bảng 1.2. Cơ sở dữ liệu mẫu (Trang 34)
Khái niệm về tập phổ biến1.3.2. - Khai thác song song tập phổ biến
h ái niệm về tập phổ biến1.3.2 (Trang 34)
Ví dụ minh họa: Xét CSDL mẫu trong Bảng 1.2 với minSu p= 50% 3 - Khai thác song song tập phổ biến
d ụ minh họa: Xét CSDL mẫu trong Bảng 1.2 với minSu p= 50% 3 (Trang 41)
Bảng 2.1. Các tập phổ biến có 1 mục - Khai thác song song tập phổ biến
Bảng 2.1. Các tập phổ biến có 1 mục (Trang 42)
Bảng 2.2. Các tập phổ biến có 2 mục - Khai thác song song tập phổ biến
Bảng 2.2. Các tập phổ biến có 2 mục (Trang 42)
Bảng 2.3. Các tập phổ biến có 3 mục - Khai thác song song tập phổ biến
Bảng 2.3. Các tập phổ biến có 3 mục (Trang 43)
Hình 2.1. Thuật toán Eclat [3] - Khai thác song song tập phổ biến
Hình 2.1. Thuật toán Eclat [3] (Trang 50)
Bảng 2.5. Nội dung CSDL - Khai thác song song tập phổ biến
Bảng 2.5. Nội dung CSDL (Trang 55)
Hình 2.2. Cây Tree - Khai thác song song tập phổ biến
Hình 2.2. Cây Tree (Trang 55)
Bảng 2.8. Nội dung CSDL - Khai thác song song tập phổ biến
Bảng 2.8. Nội dung CSDL (Trang 59)
Bảng 2.11. Kết quả tập phổ biến thỏa ngưỡng minSup =2 - Khai thác song song tập phổ biến
Bảng 2.11. Kết quả tập phổ biến thỏa ngưỡng minSup =2 (Trang 62)
Hình 3.3. Một số cấu hình phổ biến của mảng Systolic: (a) mảng tuyến tính, (b) mảng hình tam giác, (c) mảng hai chiều hình vuông - Khai thác song song tập phổ biến
Hình 3.3. Một số cấu hình phổ biến của mảng Systolic: (a) mảng tuyến tính, (b) mảng hình tam giác, (c) mảng hai chiều hình vuông (Trang 70)
Hình 3.4. Kiến trúc SA để thực hiện nhân hai ma trận - Khai thác song song tập phổ biến
Hình 3.4. Kiến trúc SA để thực hiện nhân hai ma trận (Trang 71)
Ví dụ: Ma trận bit tương ứng với dữ liệu của Bảng 3.1 là Hình 3.5 - Khai thác song song tập phổ biến
d ụ: Ma trận bit tương ứng với dữ liệu của Bảng 3.1 là Hình 3.5 (Trang 73)
Hình 3.6. Ma trận bit rút gọn với minsup =2 - Khai thác song song tập phổ biến
Hình 3.6. Ma trận bit rút gọn với minsup =2 (Trang 74)
Ví dụ: Xét CSDL ở Bảng 3.1. - Khai thác song song tập phổ biến
d ụ: Xét CSDL ở Bảng 3.1 (Trang 76)
Hình 3.10. Mảng systolic hai chiều khai thác tập dữ liệu phổ biến [4] - Khai thác song song tập phổ biến
Hình 3.10. Mảng systolic hai chiều khai thác tập dữ liệu phổ biến [4] (Trang 80)
Ví dụ: Xét CSDL đã được mã hóa bằng ma trận bit ở hình 3.8. Có 6 phần tử {a, b, c, d, e, f} trong tập dữ liệu - Khai thác song song tập phổ biến
d ụ: Xét CSDL đã được mã hóa bằng ma trận bit ở hình 3.8. Có 6 phần tử {a, b, c, d, e, f} trong tập dữ liệu (Trang 82)
Hình 3.10. Lần di chuyển đầu tiên của mảng Systolic [4] - Khai thác song song tập phổ biến
Hình 3.10. Lần di chuyển đầu tiên của mảng Systolic [4] (Trang 83)
Hình 3.11 cho thấy lần di chuyển thứ 2 của mảng Systolic. - Khai thác song song tập phổ biến
Hình 3.11 cho thấy lần di chuyển thứ 2 của mảng Systolic (Trang 84)
Hình 4.3. Thời gian thực hiện trên tập dữ liệu Connect - Khai thác song song tập phổ biến
Hình 4.3. Thời gian thực hiện trên tập dữ liệu Connect (Trang 89)
Hình 4.2. Thời gian thực hiện trên tập dữ liệu Chess - Khai thác song song tập phổ biến
Hình 4.2. Thời gian thực hiện trên tập dữ liệu Chess (Trang 89)

TỪ KHÓA LIÊN QUAN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN