注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 利用GPU进行高性能数据并行计算

  2. 利用GPU进行高性能数据并行计算 数 据库技术的成熟、数据挖掘应用、生物基因技术 的发展、历史数据的几何级膨胀等使高性能计算 #∃ %& ∋ () ∗+, ∗− . / ) ) 0 , − (1 2%/ & , ∃ (0 3成为必要。 虽然通过创建分布式系统可以解决部分大型计算的问题, 但是分布式系统有通信开销大, 故障率高4 数据的存取结 构复杂, 开销大4 数据的安全性和保密性较难控制等弱点。 随着计算机处理器, 特别是

  3. 所属分类：专业指导

    • 发布日期：2010-12-29
    • 文件大小：476kb
    • 提供者：yzgong1989

  1. 大数据分析——RDBMS与MapReduce的竞争与共生

  2. 在科学研究、计算机仿真、互联网应用、电子商务等诸多应用领域,数据量正在以极快的速度增长,为了分析和利用这些庞大的数据资源,必须依赖有效的数据分析技术.传统的关系数据管理技术(并行数据库)经过了将近40 年的发展,在扩展性方面遇到了巨大的障碍,无法胜任大数据分析的任务;而以MapReduce 为代表的非关系数据管理和分析技术异军突起,以其良好的扩展性、容错性和大规模并行处理的优势,从互联网信息搜索领域开始,进而在数据分析的诸多领域和关系数据管理技术展开了竞争.关系数据管理技术阵营在丧失搜索这个阵

  3. 所属分类：专业指导

    • 发布日期：2012-04-08
    • 文件大小：409kb
    • 提供者：frogprinceliu

  1. 大数据机遇和挑战

  2. 本ppt完整介绍了大数据的背景、机遇和挑战,并且相关的落地技术和业界状况,为大数据的研究提供全面的参考

  3. 所属分类：其它

    • 发布日期：2012-10-08
    • 文件大小：1mb
    • 提供者：fourinone

  1. 基于Spring Batch的大数据量并行处理

  2. 基于Spring Batch的大数据量并行处理 基于Spring Batch的大数据量并行处理

  3. 所属分类：其它

    • 发布日期：2012-12-14
    • 文件大小：3mb
    • 提供者：tdxueli

  1. 大数据计算器

  2. 大数据计算器，仅包含四个功能，加、减、乘、除、乘方，多线程并行计算。速度嘛，不知道算快还是慢。我的机子上运行1024的1024次方，花费了18秒。真正的可以实现长数据计算，原则上只要你等得起，多长的数据都能计算，如：123456789123456789123456789的123456789123456789123456789次方都可以计算。

  3. 所属分类：其它

    • 发布日期：2013-07-24
    • 文件大小：53kb
    • 提供者：nanfei01055

  1. 云计算课程，大数据

  2. MapReduce海量数据并行处理，对于海量数处理是一个很好的学习入门。

  3. 所属分类：IT管理

    • 发布日期：2013-12-05
    • 文件大小：40mb
    • 提供者：myl880310

  1. Hadoop分布式架构下大数据集的并行挖掘

  2. 基于Hadoop分布式计算平台,给出一种适用于大数据集的并行挖掘算法。该算法对非结构化的原始大数据集以及中间结果文件进行垂直划分以确保能够获得完整的频繁项集,将各个垂直分块数据分配给不同的Hadoop计算节点进行处理,以减少各个计算节点的存储数据,进而减少各个计算节点执行交集操作的次数,提高并行挖掘效率。实验结果表明,给出的并行挖掘算法解决了大数据集挖掘过程中产生的大量数据通信、中间数据以及执行大量交集操作的问题,算法高效、可扩展。

  3. 所属分类：其它

    • 发布日期：2014-05-24
    • 文件大小：344kb
    • 提供者：xiongdaye318

  1. 张晓东：解析并行处理在大数据分析中所面对的挑战

  2. 张晓东教授主要就并行计算在云计算和大数据的时代的挑战做了演讲。他指出我们遇到的挑战首先是数据量大，如今的应用对处理性能要求高，需求非常低的处理延迟，而这些是传统数据库系统不能做到的地方。其次的挑战是在大数据中的并行技术是一个多学科交叉的领域，需要多个方面的专家能够极限协...

  3. 所属分类：讲义

    • 发布日期：2014-05-29
    • 文件大小：2mb
    • 提供者：fowse

  1. 张晓东：并行处理在大数据分析中所面对的挑战

  2. 为扫清并行处理在大数据分析中所遇到的障碍而做的系统设计和实现：协调大数据分析的用户可控制的通信机制；将数据分析和查询要求自动转化为优化分析程序的软件工具；为平衡性能、扩展性，和容错性而定制的大数据存储结构。

  3. 所属分类：讲义

    • 发布日期：2014-05-29
    • 文件大小：2mb
    • 提供者：admin

  1. 基于并行的大数据统计分析探讨

  2. 当前 ,企业有着对海量信息奴磊进行统计分析的迫切需求。面对海量 的数据 ,如何高效地得 到统计结果,是分析过程中一个很重要的环节，本文档在分析了当前 出现的大数据量处理方法的基础上 ,进行了比较。得到了并行计算架构的数据库是解决此问题的最佳手段 ,并且进行了性能测试 ,得到 了对比结果 ,相信对从事相关研究的同行有着一定的参考价值。

  3. 所属分类：金融

    • 发布日期：2014-08-27
    • 文件大小：313kb
    • 提供者：confessor

  1. 云计算与大数据并行处理技术

  2. 南大黄宜华教授的讲义，关于云计算与大数据处理的相关技术。

  3. 所属分类：讲义

    • 发布日期：2014-08-27
    • 文件大小：15mb
    • 提供者：hueirh

  1. 架构大数据_挑战_现状与展望

  2. 大数据分析相比于传统的数据仓库应用, 具有数据量大、查询分析复杂等特点. 为了设计适合大数据分析的数据仓库架构, 文中列举了大数据分析平台需要具备的几个重要特性, 对当前的主流实现平台) ) ) 并行数据库、MapReduce 及基于两者的混合架构进行了分析归纳, 指出了各自的优势及不足, 同时也对各个方向的研究现状及作者在大数据分析方面的努力进行了介绍, 对未来研究做了展望.

  3. 所属分类：专业指导

    • 发布日期：2014-10-25
    • 文件大小：941kb
    • 提供者：mishi1988

  1. 高光荣：大数据系统核心技术

  2. 该文档来自于University of Delaware电子与计算机工程系教授，计算机系统结构和并行系统实验室创始人暨主任高光荣在2014中国大数据技术大会主会的演讲“大数据系统核心技术 ”。

  3. 所属分类：其它

    • 发布日期：2014-12-18
    • 文件大小：2mb
    • 提供者：u010702509

  1. 大数据并行运算类使用

  2. 图像处理，语音处理，数据挖掘实用参考资料

  3. 所属分类：Web开发

    • 发布日期：2015-01-27
    • 文件大小：1mb
    • 提供者：qq_25644447

  1. 基于Hadoop大数据平台实现遗传算法并行化

  2. 基于Hadoop大数据平台实现遗传算法并行化，借助于Hadoop中的MapReduce模型，将遗传算法划分为Map和Reduce两个阶段，在Map阶段并行化执行。真正意义上实现了遗传算法的并行化。

  3. 所属分类：Java

    • 发布日期：2016-11-08
    • 文件大小：255kb
    • 提供者：cancumt

  1. 深入理解大数据:大数据处理与编程实践.pdf

  2. 深入理解大数据:大数据处理与编程实践

  3. 所属分类：Java

    • 发布日期：2017-11-22
    • 文件大小：95mb
    • 提供者：qq_32692463

  1. 大数据并行增量频繁项目集挖掘

  2. 频繁项集挖掘（FIM）是许多领域采用的流行数据挖掘问题，例如零售行业的商品推荐，Web搜索中的日志分析以及查询推荐（或相关搜索）。 为了获得更好的性能，已经提出了大量的FIM算法，包括用于处理大数据量的并行算法。 此外，还提出了增量FIM算法来处理增量数据库。 但是，这些增量算法大多数都具有较低的并行度，从而在大型数据库上导致较低的效率。本文介绍了在MapReduce框架上实现的两种并行增量FIM算法，分别为IncMiningPFP和IncBuildingPFP。 IncMiningPFP保留原

  3. 所属分类：其它

  1. 使用极限学习机的大数据并行多分类算法

  2. 使用极限学习机的大数据并行多分类算法

  3. 所属分类：其它

  1. 大数据并行计算利器之MPI/OpenMP

  2. 图像连通域标记算法是从一幅栅格图像（通常为二值图像）中，将互相邻接（4邻接或8邻接）的具有非背景值的像素集合提取出来，为不同的连通域填入数字标记，并且统计连通域的数目。通过对栅格图像中进行连通域标记，可用于静态地分析各连通域斑块的分布，或动态地分析这些斑块随时间的集聚或离散，是图像处理非常基础的算法。目前常用的连通域标记算法有1）扫描法（二次扫描法、单向反复扫描法等）、2）线标记法、3）区域增长法。二次扫描法由于简单通用而被广泛使用！图1连通域标记示意图随着所要处理的数据量越来越大，使用传统的串

  3. 所属分类：其它

  1. 大数据并行计算利器之MPI/OpenMP

  2. 图像连通域标记算法是从一幅栅格图像（通常为二值图像）中，将互相邻接（4邻接或8邻接）的具有非背景值的像素集合提取出来，为不同的连通域填入数字标记，并且统计连通域的数目。通过对栅格图像中进行连通域标记，可用于静态地分析各连通域斑块的分布，或动态地分析这些斑块随时间的集聚或离散，是图像处理非常基础的算法。目前常用的连通域标记算法有1）扫描法（二次扫描法、单向反复扫描法等）、2）线标记法、3）区域增长法。二次扫描法由于简单通用而被广泛使用！图1连通域标记示意图随着所要处理的数据量越来越大，使用传统的串

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 ... 50 »