导读:本文包含了数据并行论文开题报告文献综述及选题提纲参考文献，主要关键词:Slope,One-BI算法,聚类,Spark,推荐算法
数据并行论文文献综述
刘佳耀,王佳斌[1]（2019）在《Slope One-BI算法的改进及其在大数据平台的并行化》一文中研究指出针对大数据时代下Slope One算法推荐效率不高的问题,提出结合聚类和动态K近邻的双极Slope One推荐算法.首先,结合Canopy和K-medoids的聚类算法把相似的用户汇聚到一起.然后,在所属聚类中,根据用户之间相似度的具体情况动态地寻找最近邻,并用Slope One-BI算法推荐预测.最后,在Spark平台上实现并行化.在电影数据集上的实验结果表明:基于Spark平台的优化算法与其他协同过滤算法相比,推荐精度具有明显优势.(本文来源于《华侨大学学报(自然科学版)》期刊2019年06期）
冯学晓,刘翠芳[2]（2019）在《基于预先分类的分布式水下网络空间多维数据并行调度方法》一文中研究指出水下网络数据调度方法存在网络空间多维数据调度策略异常、交互资源槽分布调度存在资源均衡分布异常的状况,导致数据交互调度能力下降,数据间交互延迟增大,多维数据类别化调度准确率受到影响。针对问题提出基于预先分类的分布式水下网络空间多维数据并行调度方法,首先,对调度数据类别进行资源槽的类别优化处理,通过引入资源槽与分类调度算法,理顺资源槽交互类别数据集;接着对网络空间多维数据进行调度逻辑的计算,根据网络数据传输特点,引入多维数据分布式云并行调度算法,对网络空间中的并行数据流进行优化,实现多维数据的并行调度;最后,通过设计1 000～2 000组的实验数据,对提出方法的可行性进行证明,证明方法具有可行性高、数据并行调度效率高、稳定好的特点。(本文来源于《舰船科学技术》期刊2019年20期）
刘小轩[3]（2019）在《面向大图数据的并行图查询》一文中研究指出针对传统图模式查询算法难以实现在大图数据上查询或查询时间太长问题,提出基于MapReduce的图查询并行算法PGPQ。该方法包括计算初始匹配节点集、初始不匹配父亲节点集和图模式查询叁个部分。在图模式查询过程利用初始不匹配父亲节点集迭代初始匹配节点集中的节点,如果数据图匹配模式图,返回一个最大的匹配。实验结果表明,PGPQ算法查询能有效地进行大图模式查询。(本文来源于《现代电子技术》期刊2019年20期）
农嘉,覃志松[4]（2019）在《基于萤火虫算法的船舶交通数据并行调度方法》一文中研究指出针对传统的舰船交通数据并行调度方法效率低的情况,提出基于萤火虫算法的船舶交通数据并行调度方法。以舰船调度时间为出发点,确定调度目标,并引入不确定因子,对舰船调度中的不确定因素进行处理,在此基础上,生成船舶交通数据并行调度规则,使所有船舶按照该规则进行调度,并考虑到存在大船和小船的情况,设置时间权参数,保证大船与小船同时到岗时,大船优先被调度,以此实现舰船交通数据并行调度。实验对比结果表明,此次设计的基于萤火虫算法的船舶交通数据并行调度方法比传统的调度方法效率高,具有一定的实际应用意义。(本文来源于《舰船科学技术》期刊2019年18期）
孙少波,张红祥[5]（2019）在《海量叁维地震数据体的交互式并行可视化技术实现》一文中研究指出在地学研究更加趋向定量化以来,各种新技术获得的数据量正以几何倍数增长,产生的数据逐渐由GB向TB级发展.如何可视化海量数据全局细节变化,渐渐发展成为一项新的研究领域,即海量数据处理与可视化.而目前基于海量数据最有效的可视化解决方案,主要思路是应用并行计算机集群处理技术和直接基于硬件GPU加速的可视化方法.提出了一种解决海量叁维数据体绘制的并行方法及实现,并以叁维地震勘探中反射地震剖面数据体为实例,讨论了数据预处理方法和分析了体绘制效果,完成了可视化实例测试.(本文来源于《西安文理学院学报(自然科学版)》期刊2019年05期）
李蓉蓉[6]（2019）在《加密环境下大数据特征集并行存储方法研究》一文中研究指出针对传统方法存在数据存储速度慢,容量小的问题,提出一种加密环境下大数据特征集并行存储方法。采用MMSE算法对大数据特征集进行优化处理,以获得并行的大数据特征集。在加密环境下,当内存中保留数据记录达到一定数量时,在并行处理后的数据中插入批量Hash索引。以此为基础,基于Map函数对数据进行映射处理,进而完成对大数据特征集的并行存储。实验结果表明,利用所提方法的存储过程中数据分布通道具有较好的一致性,且存储速度约为传统方法的3倍,存储容量大。(本文来源于《现代电子技术》期刊2019年18期）
葛茂松,王永利,张立铭,赵佳彬,于占龙[7]（2019）在《基于MapReduce的并行数据流调度策略》一文中研究指出本文提出一种基于MapReduce的并行数据流调度策略,包括作业性能估计策略和任务调度策略。通过对过去作业和任务信息的统计,对任务完成时间、所需资源和优先级进行估算,并以此对作业进行调度。经实验测试,利用该策略设计的算法可达到预期调度目标。(本文来源于《电脑知识与技术》期刊2019年26期）
张佳颖[8]（2019）在《探讨基于并行数据库的海量数据分析方法》一文中研究指出在计算机信息处理系统不断发展的过程中,传统计算机数据处理能力已经无法满足海量数据处理需求。针对此问题,提出基于并行数据库的海量数据分析方法。此方法能够使海量数据处理时间缩短,提高数据处理的高效性,在未来发展过程中的实用价值比较高。(本文来源于《冶金管理》期刊2019年17期）
齐磊[9]（2019）在《大数据环境下舰船数据多信道并行调度方法分析》一文中研究指出传统舰船数据并行调度方法存在调度速度慢、识别准确率差等问题,为解决这一问题,对大数据环境下舰船数据多信道并行调度方法进行分析。分析过程中,确定数据多信道并行调度规则,以此为基础对数据多信道并行干扰波进行处理,将处理后数据机械能多信道并行调度输出,并对其调度方法进行优化,从而完成整体数据调度。实验数据表明,提出的多信道并行调度方法具有更可靠的调度速度以及并行识别准确率。(本文来源于《舰船科学技术》期刊2019年16期）
陶婧[10]（2019）在《基于Spark的分布式大数据并行化聚类方法研究》一文中研究指出为提高异构复合存储数据库中分布式大数据的检索识别能力,提出一种基于Spark融合聚类的异构复合存储数据库中的分布式大数据并行化聚类方法,构建异构复合存储数据库存储结构模型,提取数据库中的分布式大数据的统计序列特征量,采用相空间结构重组方法进行分布式大数据的信息特征挖掘,在高维相空间中实现分布式大数据关联信息检测和特征挖掘。对提取的特征量采用Spark融合聚类方法实现并行聚类,结合自适应的学习算法实现数据聚类中心的自动搜索,提高聚类的收敛性。仿真结果表明,采用该方法进行异构复合存储数据库中分布式大数据聚类的自适应性能较好,聚类准确度较高,误分率较低,具有很好的数据库检索和特征识别能力。(本文来源于《湖北第二师范学院学报》期刊2019年08期）
数据并行论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
水下网络数据调度方法存在网络空间多维数据调度策略异常、交互资源槽分布调度存在资源均衡分布异常的状况,导致数据交互调度能力下降,数据间交互延迟增大,多维数据类别化调度准确率受到影响。针对问题提出基于预先分类的分布式水下网络空间多维数据并行调度方法,首先,对调度数据类别进行资源槽的类别优化处理,通过引入资源槽与分类调度算法,理顺资源槽交互类别数据集;接着对网络空间多维数据进行调度逻辑的计算,根据网络数据传输特点,引入多维数据分布式云并行调度算法,对网络空间中的并行数据流进行优化,实现多维数据的并行调度;最后,通过设计1 000～2 000组的实验数据,对提出方法的可行性进行证明,证明方法具有可行性高、数据并行调度效率高、稳定好的特点。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数据并行论文参考文献
[1].刘佳耀,王佳斌.SlopeOne-BI算法的改进及其在大数据平台的并行化[J].华侨大学学报(自然科学版).2019
[2].冯学晓,刘翠芳.基于预先分类的分布式水下网络空间多维数据并行调度方法[J].舰船科学技术.2019
[3].刘小轩.面向大图数据的并行图查询[J].现代电子技术.2019
[4].农嘉,覃志松.基于萤火虫算法的船舶交通数据并行调度方法[J].舰船科学技术.2019
[5].孙少波,张红祥.海量叁维地震数据体的交互式并行可视化技术实现[J].西安文理学院学报(自然科学版).2019
[6].李蓉蓉.加密环境下大数据特征集并行存储方法研究[J].现代电子技术.2019
[7].葛茂松,王永利,张立铭,赵佳彬,于占龙.基于MapReduce的并行数据流调度策略[J].电脑知识与技术.2019
[8].张佳颖.探讨基于并行数据库的海量数据分析方法[J].冶金管理.2019
[9].齐磊.大数据环境下舰船数据多信道并行调度方法分析[J].舰船科学技术.2019
[10].陶婧.基于Spark的分布式大数据并行化聚类方法研究[J].湖北第二师范学院学报.2019