自适应云端的大规模导出子图提取算法
针对现有云计算平台资源随机调配与传统导出子图挖掘效率较低等问题,进一步提升云计算平台中资源整合利用效率与大规模导出子图挖掘效率,提出了一种自适应云端的大规模导出子图提取算法,以解决资源优化利用与海量图挖掘等问题.首先介绍了云计算概念与导出子图挖掘相关概念以及问题描述;接着根据MapReduce并行处理模型设计了一种自适应任务动态分配算法SAC_TA(Self Adaptive Cloud Dynamic Allocation),它根据计算任务自适用分配系统资源以达到成本消耗的最优;并设计出自适应云端框架,然后基于自适应云端提出了大规模导出子图挖掘算法SFGFF(SAC_TA、Find_VE、G_F1、FindPartFG、FindAllFG),它共分为4个阶段的挖掘,将所有算法应用到自适应云端中可构成整个导出子图挖掘体系;最后在人工模拟数据与真实环境数据下进行了试验,结果表明,自适应云端运行良好,算法有效可行,具有较高的加速比与运行效率,能有效满足大规模频繁导出子图挖掘的需求.
大数据、数据挖掘、云计算、导出子图、子图同构
41
TP311(计算技术、计算机技术)
湖南省工业支撑计划重点项目2012GK2006;湖南省教育厅科学研究项目12C0291,11C1051;生态旅游湖南省重点实验室开放基金项目JDSTLY201206;湖南省图书馆学会2013-2014年度重点课题XHZD1007
2014-07-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
155-160,198