主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
周勇,卢晓伟,程春田.非规则流中高维数据流典型相关性分析并行计算方法.软件学报,2012,23(5):1053-1072
非规则流中高维数据流典型相关性分析并行计算方法
Parallel Computing Method of Canonical Correlation Analysis for High-Dimensional Data Streams in Irregular Streams
投稿时间:2010-04-26  修订日期:2010-12-09
DOI:10.3724/SP.J.1001.2012.04008
中文关键词:  图形处理器  高维数据流  典型相关性  统一计算设备架构  降维约简技术
英文关键词:graphic processing unit (GPU)  high-dimensional data stream  canonical correlation  compute unified device architecture  dimensionality-reduction technique
基金项目:国家杰出青年基金(51025934)
作者单位E-mail
周勇 大连理工大学 软件学院,辽宁 大连 116620 kevinzh@dlut.edu.cn 
卢晓伟 大连理工大学 软件学院,辽宁 大连 116620  
程春田 大连理工大学 水利学院,辽宁 大连 116624  
摘要点击次数: 2715
全文下载次数: 3142
中文摘要:
      为了满足在计算资源受限的环境下高维数据流处理的实时性要求,提出一种方法——基于GPU(graphicprocessing unit)的非规则流中高维数据流的处理模型和具体的可行架构,并分析设计了相关的并行算法.该六层模型是将GPU 处理数据的高宽带性能结合进滑动窗口中数据流的分析,进而在该框架下基于统一计算设备架构(compute unified device architecture,简称CUDA),使用数据立方模型以及降维约简技术并行分析了多条高维数据流的典型相关性.理论分析和实验结果均表明,该并行处理方法能够在线精确地识别同步滑动窗口模式下高维数据流之间的相关性.相对于纯CPU 方法,该方法具有显著的速度优势,很好地满足了高维数据流的实时性需求,可以作为通用的分析方法广泛应用于数据流挖掘领域.
英文摘要:
      This paper addresses an approach that uses GPU (graphic processing unit)-based processing architecture model and its parallel algorithm for high-dimensional data streams over the irregular streams in order to satisfy the real-time requirement under the resource-constraints. This six layers model combines the GPU high wide-band property of data processing with analysis data stream in a sliding window. Next, canonical correlation analysis is carried out between two high-dimensional data streams, by a data cube pattern, and a dimensionality-reduction method in this framework based on compute unified device architecture (CUDA). The theoretical analysis and experimental results show that the parallel processing method can detect correlations on high dimension data streams, online, accurately in the synchronous sliding window mode. According to the pure CPU method, this technique has significant speed advantage and conducts the real-time requirement of highdimensional data stream very well. It provides a common strategy for the applied field of data stream mining.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利