【摘要】：隨著科學(xué)技術(shù)的不斷進步,迅速發(fā)展的物聯(lián)網(wǎng)行業(yè)正時刻產(chǎn)生著大量數(shù)據(jù),其中一個很重要的組成部分即為時間序列數(shù)據(jù)。時間序列數(shù)據(jù)為按時間排序的一連串觀察數(shù)據(jù)的集合(例如心電圖,一天的天氣,每周的銷售額和每月股票價格等),針對時間序的實時數(shù)據(jù)挖掘是數(shù)據(jù)中心的一個重要任務(wù)。時間序列數(shù)據(jù)有數(shù)據(jù)量大,維度高和數(shù)據(jù)更新頻率快三個特點,這些大量的時間序列數(shù)據(jù)負載給數(shù)據(jù)中心的數(shù)據(jù)挖掘任務(wù)帶來了全新的挑戰(zhàn)。距離函數(shù)作為不同序列間的相似度度量方法,是大多數(shù)高速數(shù)據(jù)挖掘任務(wù)的主要組成部分。在實際數(shù)據(jù)挖掘應(yīng)用中,距離函數(shù)的計算時間占總時間的極大一部分,是時間序列數(shù)據(jù)挖掘任務(wù)的計算瓶頸。為了解決上述問題,提高數(shù)據(jù)挖掘的效率,減少數(shù)據(jù)挖掘任務(wù)所耗時間,近年來出現(xiàn)和很多針對距離函數(shù)的軟件和硬件加速方法。然而,這些加速算法都是針對單一的距離函數(shù),導(dǎo)致這些優(yōu)化方法只能局限于某種特定的距離函數(shù)和特定的應(yīng)用場景。在數(shù)據(jù)中心數(shù)據(jù)挖掘任務(wù)中需要同時處理多個應(yīng)用,每個應(yīng)用需要使用對應(yīng)的距離函數(shù),針對這樣的場景,已有的加速方法已經(jīng)無法適用。因此需要設(shè)計出一種可配置的加速器,能同時滿足多個距離函數(shù)的加速需求。憶阻器作為一種新型非線性器件,具有阻值可變和電阻記憶的功能,目前已被廣泛應(yīng)用于存儲器和神經(jīng)形態(tài)計算中。本文針對數(shù)據(jù)中心中的實時高效時間序列數(shù)據(jù)挖掘任務(wù),提出了一種基于憶阻器的高吞吐量可配置相似度度量加速器。設(shè)計的加速器可以通過配置,實現(xiàn)目前時間序列數(shù)據(jù)挖掘任務(wù)中的六種常用距離函數(shù)(分別為動態(tài)時間規(guī)整,最長公共子序列,編輯距離,豪斯多夫距離,漢明距離和曼哈頓距離)的加速。為了提高能量效率,減少加速器占用面積,我們從各個電路結(jié)構(gòu)中抽取出基本結(jié)構(gòu),通過對基本結(jié)構(gòu)的配置實現(xiàn)不同距離函數(shù)的加速功能。為了評估本文設(shè)計的加速器性能,我們在公開的時間序列數(shù)據(jù)集上對加速器做了系統(tǒng)性能測試和端到端性能評估。實驗結(jié)果表明,與已有的距離函數(shù)加速方法相比,本文設(shè)計實現(xiàn)的基于憶阻器的可配置相似度度量加速器取得了3.5x-376x加速比,同時在低精度損失的情況下,能量消耗降低了1-3個數(shù)量級。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN60;O211.61

【相似文獻】

相關(guān)期刊論文 前10條

1 孫其法;閆秋艷;閆欣鳴;;基于多樣化top-k shapelets轉(zhuǎn)換的時間序列分類方法[J];計算機應(yīng)用;2017年02期

2 王金策;楊寧;;時間序列趨勢預(yù)測[J];現(xiàn)代計算機(專業(yè)版);2017年02期

3 彭佳星;肖基毅;;基于分型轉(zhuǎn)折點的證券時間序列分段表示法[J];商;2016年31期

4 劉偉龍;;基于ARMA模型的股價預(yù)測及實證研究[J];智富時代;2017年02期

5 周仰;;《漫長的告別》(年度資助攝影圖書)[J];中國攝影;2017年04期

6 王嵬;;王嵬作品[J];當(dāng)代油畫;2017年07期

7 劉明華;張晉昕;;時間序列的異常點診斷方法[J];中國衛(wèi)生統(tǒng)計;2011年04期

8 郭崇慧;蘇木亞;;基于獨立成分分析的時間序列譜聚類方法[J];系統(tǒng)工程理論與實踐;2011年10期

9 王佳林;王斌;楊曉春;;面向不確定時間序列的分類方法[J];計算機研究與發(fā)展;2011年S3期

10 萬里;廖建新;朱曉民;倪萍;;一種基于頻繁模式的時間序列分類框架[J];電子與信息學(xué)報;2010年02期

相關(guān)會議論文 前10條

1 馬俊;曹成度;閔陽;周呂;;基于主成分分析去除GNSS站坐標時間序列有色噪聲[A];第十一屆中國衛(wèi)星導(dǎo)航年會論文集——S05 空間基準與精密定位[C];2020年

2 周家斌;張海福;楊桂英;;多維多步時間序列預(yù)報方法及其應(yīng)用[A];中國現(xiàn)場統(tǒng)計研究會第九屆學(xué)術(shù)年會論文集[C];1999年

3 張可;李媛;柴毅;黃磊;;基于分段趨勢的符號化時間序列聚類表示[A];第37屆中國控制會議論文集（D）[C];2018年

4 張立波;龐蓉蓉;王勇;黃敏;何成濤;傅強;曲賢敏;仲昭衍;;基于時間序列的隨機質(zhì)控設(shè)計與應(yīng)用[A];中國輸血協(xié)會第九屆輸血大會論文專輯[C];2018年

5 徐光晶;;統(tǒng)計學(xué)在大地電磁測深時間序列處理中的應(yīng)用[A];2017中國地球科學(xué)聯(lián)合學(xué)術(shù)年會論文集（二十九）——專題57：電磁地球物理學(xué)研究及其應(yīng)用[C];2017年

6 毛宇清;王詠青;王革麗;;支持向量機方法應(yīng)用于理想時間序列的預(yù)測研究[A];中國氣象學(xué)會2008年年會氣候預(yù)測研究與預(yù)測方法分會場論文集[C];2008年

7 吳麗娜;黃領(lǐng)梅;沈冰;呂繼強;;黃河上游降水時間序列混沌特性識別與預(yù)測年限分析[A];水系統(tǒng)與水資源可持續(xù)管理——第七屆中國水論壇論文集[C];2009年

8 吳堅忠;路子愚;鄭應(yīng)平;;時間序列社會悖論模型及分析[A];1989年控制理論及其應(yīng)用年會論文集（上）[C];1989年

9 雷敏;孟光;謝洪波;Kerreie Mengersen;Peter Bartlett;;嵌入維數(shù)對復(fù)雜時間序列的熵分析的影響研究[A];中國力學(xué)大會-2015論文摘要集[C];2015年

10 王兆甲;王海良;;一種相似時間序列挖掘算法及其在汽車運動分析中的應(yīng)用[A];2014中國汽車工程學(xué)會年會論文集[C];2014年

相關(guān)重要報紙文章 前10條

1 王曉寶 楊永恒 永安期貨;淺析波動率的均值回復(fù)特征[N];期貨日報;2017年

2 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日報;2009年

3 國家統(tǒng)計局核算司 呂峰;不變價GDP時間序列數(shù)據(jù)的構(gòu)造[N];中國信息報;2016年

4 ;《時間序列與金融數(shù)據(jù)分析》[N];中國信息報;2004年

5 何德旭 王朝陽;時間序列計量經(jīng)濟學(xué)：協(xié)整與有條件的異方差自回歸[N];中國社會科學(xué)院院報;2003年

6 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀經(jīng)濟報道;2003年

7 卞紀;我國多時間序列濕地遙感制圖完成[N];中國氣象報;2011年

8 權(quán)證一級交易商 國信證券;正股走勢及時間序列主導(dǎo)下半年權(quán)證市場運行結(jié)構(gòu)[N];證券時報;2006年

9 廣發(fā)期貨股指研究小組 謝貞聯(lián);Hurst指數(shù)提示市場升勢或?qū)⑿纬蒣N];上海證券報;2012年

10 丁睿 中糧期貨研究院;試論指數(shù)HP濾波分析法的應(yīng)用[N];期貨日報;2014年

相關(guān)博士學(xué)位論文 前10條

1 黃田;面向超大規(guī)模時間序列的異常檢測[D];上海交通大學(xué);2015年

2 劉海洋;復(fù)雜環(huán)境下時間序列預(yù)測方法研究[D];北京交通大學(xué);2019年

3 石巍巍;大規(guī)模多源時間序列預(yù)處理與隱藏空間映射分析研究[D];上海交通大學(xué);2018年

4 顏昌;心血管時間序列的圖形分析和應(yīng)用[D];山東大學(xué);2019年

5 張弼堯;基于遙感時序分析的半干旱地區(qū)森林生態(tài)系統(tǒng)變化研究[D];中國地質(zhì)大學(xué)(北京);2019年

6 姚文坡;生理時間序列的符號化和非線性特征分析[D];南京郵電大學(xué);2019年

7 康峻;基于時間序列遙感數(shù)據(jù)的植被精細分類與覆蓋度反演研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2018年

8 林蕾;基于循環(huán)神經(jīng)網(wǎng)絡(luò)模型的遙感影像時間序列分類及變化檢測方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2018年

9 丁紅;柳江徑流分析與預(yù)測研究[D];武漢理工大學(xué);2016年

10 周超;集成時間序列InSAR技術(shù)的滑坡早期識別與預(yù)測研究[D];中國地質(zhì)大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 陳穎;基于時間序列分析方法的金融數(shù)據(jù)研究[D];大連理工大學(xué);2019年

2 王亭;基于時間序列與聚類的數(shù)據(jù)流異常檢測[D];北京理工大學(xué);2017年

3 薄夢雅;時間序列數(shù)據(jù)壓縮算法研究[D];石家莊鐵道大學(xué);2019年

4 曾德文;基于憶阻器的用于時間序列數(shù)據(jù)挖掘的可配置相似度度量加速器[D];華中科技大學(xué);2019年

5 劉吉輝;面向時間序列的古建筑室內(nèi)環(huán)境預(yù)測方法研究[D];燕山大學(xué);2019年

6 劉占寧;基于用戶評分偏移度和時間序列的群組攻擊檢測[D];燕山大學(xué);2019年

7 周茂盛;全球GPS數(shù)據(jù)處理及在地殼運動中的應(yīng)用[D];山東科技大學(xué);2018年

8 劉冰;顧及散射體高度的時間序列InSAR技術(shù)沉降監(jiān)測應(yīng)用研究[D];山東科技大學(xué);2018年

9 馬成龍;山東某煤礦地表變形數(shù)據(jù)分析及預(yù)測模型研究[D];山東科技大學(xué);2018年

10 吳振宇;復(fù)雜時間序列的信息熵及其應(yīng)用[D];北京交通大學(xué);2019年

本文編號：2776973