استخراج زیرگرافهای تکرارشونده با توزیع متوازن بار درنگاشت-کاهش مبتنی بر واحد پردازش گرافیکی
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 746
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CEPS04_024
Index date: 2 August 2017
استخراج زیرگرافهای تکرارشونده با توزیع متوازن بار درنگاشت-کاهش مبتنی بر واحد پردازش گرافیکی abstract
با گسترش روز افزون دادهها، چالشهای بنیادینی برای به دست آوردن اطلاعات از مجموعه عظیمی از دادهها ظهورپیدا کرده است. استخراج زیرگرافهای تکرارشونده یکی از مسایل مهم در کاوش مجموعه بزرگی از گرافها است. این موضوعدر زمینههای کاربردی زیادی نظیر: انفورماتیک پزشکی، شبکههای اجتماعی و ترکیبات شیمیایی و غیره دارای اهمیت زیادی نیز میباشد. هادوپ یک رویکرد بسیار قابل قبول برای مدیریت حجم عظیمی از دادهها است و همچنین برای تسریعمحاسبات، استفاده از امکانات موازیسازی GPU بسیار مناسب است. با مجتمع سازی GPU درون هادوپ میتوان از مزایایهر دو به صورت همزمان استفاده نمود. در این مقاله، با در نظر گرفتن یک روش بخشبندی بر اساس تراکم گرافها به کمک الگوریتم WFD و با استفاده از هادوپ تکراری مبتنی بر GPU ، روش نوینی به نام CH-FSM برای استخراج زیرگرافهایتکرارشونده در مقیاس بزرگ ارایه میگردد. از نظر برگرداندن تمامی زیرگرافهای تکرارشونده برای حداقل درجه پشتیبانی مشخصشده، CH-FSM یک روش کامل میباشد. نتایج آزمایشهای جامع انجام گرفته بر روی مجموعههای داده واقعی ومصنوعی نشان میدهد که روش CH-FSM به تسریع 1/5 برابری در مقابل آخرین روش ارایه شده برای استخراج کامل زیرگرافهای تکرارشونده مبتنی بر نگاشت-کاهش دست یافته است
استخراج زیرگرافهای تکرارشونده با توزیع متوازن بار درنگاشت-کاهش مبتنی بر واحد پردازش گرافیکی Keywords:
استخراج زیرگرافهای تکرارشونده با توزیع متوازن بار درنگاشت-کاهش مبتنی بر واحد پردازش گرافیکی authors
مهدی عطارباشی
دانشجوی کارشناسی ارشد، گروه کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
حسین دلداری
عضو هیات علمی، گروه کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
داود بهره پور
عضو هیات علمی، گروه کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، 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 :