یک روش نوین جهت افزایش همگام سازی فیلترهای موازی زبان استریمآیتی توسط خوشه بندی بهینه دادهها با الگوریتم تخمین توزیع
Publish place: The first national conference on computers, information technology and Islamic communications in Iran
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 464
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCONF01_098
تاریخ نمایه سازی: 14 آذر 1394
Abstract:
تقاضای مشترک فیلترهای موازی بر یک جریان داده یا بخشی از آن، باعث تأخیر یکدیگرمیشود برنامه های مبتنی برجریان از لحاظ ذخیره یا پردازش برخط اطلاعات در حافظه اصلی منعطف نیستند. تجزیه جریانداده ها به صورت پویا نیازمند صرف توان پردازشی در مرحله ورود جریان داده است. روشهای خوشهبندی نیازمند اطلاعات قبلی ذخیره جریان داده ها و صرفزمان جهت پردازش هستند. انتظار فیلترها جهت دریافت دادهها میتواند بهصورت چرخش بازخوردی سبب انحصار متقابل گردد. الگوریتمهای مبتنی بر جمعیت مانند ژنتیک وابسته به حالت میباشند؛ این روشها زمان قابل توجهی صرف اموزش و ارزیابی مسائل میکنند. برخلا الگوریتم ژنتیک مرحله آموزش روش تخمین توزیع به صورت همروند انجام شود خوشه بندی دادهها توسط روش تخمین توزیع مانند تجزیه پویا و هوشمند دادهها با تأخیر کمتر است .تجزیه مناس جریان داده باعث تشکی گرا جریان باقابلیت اجرای موازی و همروند سطری میگردد. توسط تجزیه بهینه دادهها و تشکی گرا جریان متوازن امکان اجرای همروند فیلترها افزایش مییابد. بنابراین با ا ین روش فیلترها ی وابستهمیتوانند بهصورت مجزا، همگام، موازی یا ترکیبی اجرا شوند. سطح دانهبندی پارامترهای ورودی فیلترها بهصورت قررارداد ی توسط شاخص گذاری شناسایی میشود. مدل احتمال الگوریتم را برای اولین بار توسط ایجاد جمعیت نمونه با ساختار جریان داده آشنا میکنیم. همزمان با ورود جریان داده بدون ذخیره اطلاعات، تلاش به تجزیه جریان تا سطح تخمین شده مینماییم.
Keywords:
Authors
سلمان طائی
گروه کامپیوتر، واحد مرودشت، دانشگاه آزاد اسلامی مرودشت، ایران
علی مهجور
گروه کامپیوتر، عضو هیئت علمی دانشگاه مالک اشتر، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :