發(fā)布時(shí)間：2017-12-14 21:24

  本文關(guān)鍵詞：面向大數(shù)據(jù)的相似度度量的加速研究

  更多相關(guān)文章： 大數(shù)據(jù) 數(shù)據(jù)挖掘 相似度度量 動(dòng)態(tài)時(shí)間規(guī)劃 土地移動(dòng)距離

【摘要】：21世紀(jì)以來(lái),隨著信息技術(shù)的迅猛發(fā)展,數(shù)據(jù)量呈指數(shù)級(jí)增長(zhǎng),大數(shù)據(jù)時(shí)代已經(jīng)到來(lái)并給人們的生活帶來(lái)了全方位的改變。圖像數(shù)據(jù)和流數(shù)據(jù)是大數(shù)據(jù)中兩種最主要的數(shù)據(jù)形式。這些海量的數(shù)據(jù)給數(shù)據(jù)挖掘,尤其是其中的瓶頸,相似度度量帶來(lái)了新的挑戰(zhàn)：高吞吐量,高能量效率和多源性。由于Complementary Metal-Oxide-Semiconductor (CMOS)工藝無(wú)法繼續(xù)提供Central Processing Unit (CPU)吞吐量和能量效率的提升,提升相似度度量的性能成為面向大數(shù)據(jù)挑戰(zhàn)的一個(gè)亟待解決的問(wèn)題。本文從面向架構(gòu)(數(shù)字電路),面向器件(模擬電路)和面向應(yīng)用(應(yīng)用領(lǐng)域)三個(gè)角度出發(fā),選取針對(duì)流數(shù)據(jù)處理的動(dòng)態(tài)時(shí)間規(guī)整(Dynamic Time Warping, DTW)和針對(duì)圖像處理的土地移動(dòng)距離(Earth Mover's Distance, EMD)這兩個(gè)典型的相似度度量進(jìn)行性能加速的研究。首先為了滿足流數(shù)據(jù)挖掘中數(shù)據(jù)多源性以及高吞吐量的要求,我們提出了一套可擴(kuò)展,可配置和高能效的基于FPGA的DTW流數(shù)據(jù)處理架構(gòu)。該架構(gòu)能夠同時(shí)高能效高性能的處理多源流數(shù)據(jù)。在該架構(gòu)中,我們選取了kNN算法來(lái)處理分類和異常檢測(cè)等應(yīng)用。該架構(gòu)使用了數(shù)據(jù)表示方法和精度降低技術(shù)。通過(guò)設(shè)計(jì)兩個(gè)環(huán)狀PE結(jié)構(gòu),我們實(shí)現(xiàn)了DTW和kNN的可擴(kuò)展性和可配置性。其次為了在具有事務(wù)管理和文件管理能力的嵌入式設(shè)備System on Chip (SoC)上實(shí)現(xiàn)高性能高能效的流數(shù)據(jù)挖掘,我們提出了一種基于CPU+FPGA異構(gòu)平臺(tái)的DTW流數(shù)據(jù)加速架構(gòu)。通過(guò)充分利用DTW算法的并行性,我們實(shí)現(xiàn)了一個(gè)可配置的加速架構(gòu)。上層應(yīng)用的軟件優(yōu)化主要在硬核CPU上實(shí)現(xiàn),而DTW加速在可編程邏輯上實(shí)現(xiàn)。通過(guò)軟硬件結(jié)合,整個(gè)系統(tǒng)性能和能量效率達(dá)到最優(yōu)。第三,結(jié)合新器件憶阻器我們通過(guò)模擬電路實(shí)現(xiàn)了DTW計(jì)算的加速。在該加速電路中,憶阻器用來(lái)同時(shí)進(jìn)行計(jì)算和配置�；趹涀杵鞯挠�(jì)算是一個(gè)連續(xù)和異步的過(guò)程,因此我們提出了兩種基于結(jié)果預(yù)測(cè)的優(yōu)化方法來(lái)進(jìn)一步加速DTW計(jì)算。我們對(duì)下限優(yōu)化方法進(jìn)行了改進(jìn),提出了一種提前下限優(yōu)化算法。我們同時(shí)對(duì)DTW計(jì)算過(guò)程進(jìn)行優(yōu)化,提出了一種提前終止優(yōu)化方法。第四,基于CPU+FPGA異構(gòu)平臺(tái),我們提出了一種基于指令集擴(kuò)展的EMD加速架構(gòu)。我們首先對(duì)EMD算法進(jìn)行了分析,在識(shí)別其瓶頸部分后,設(shè)計(jì)了專門的擴(kuò)展指令對(duì)其進(jìn)行加速。相比于已有的硬件加速,該EMD加速架構(gòu)能夠支持的直方圖中特征變量數(shù)目有1-2個(gè)數(shù)量級(jí)的提升。第五,針對(duì)睡姿監(jiān)測(cè)應(yīng)用,我們對(duì)EMD算法進(jìn)行了面向特定應(yīng)用的優(yōu)化。我們提出了一種針對(duì)睡姿應(yīng)用的相似度度量,面向睡姿的土地移動(dòng)距離(Body-Earth Mover's Distance, BEMD),來(lái)對(duì)基于壓力傳感器的睡姿壓力圖進(jìn)行睡姿分類。在睡姿分類過(guò)程中,BEMD沒(méi)有提取任何特征。BEMD利用形狀描述器首先將睡姿壓力圖變換成直方圖,然后結(jié)合EMD和歐式距離對(duì)直方圖進(jìn)行相似度計(jì)算。我們提出了一個(gè)基于傾斜率的分類器對(duì)直方圖之間的相似度進(jìn)行處理,進(jìn)而實(shí)現(xiàn)睡姿分類。本文就兩種廣泛應(yīng)用于數(shù)據(jù)挖掘的相似度度量DTW和EMD進(jìn)入了深入的研究,為相似度度量?jī)?yōu)化在數(shù)字電路,模擬電路和應(yīng)用領(lǐng)域提供了理論基礎(chǔ)。本文的研究成果能提升整個(gè)數(shù)據(jù)挖掘的處理性能,來(lái)應(yīng)對(duì)大數(shù)據(jù)下數(shù)據(jù)爆炸的挑戰(zhàn)。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP311.13

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前6條

1 肖宇;于劍;;加權(quán)的自適應(yīng)相似度度量[J];計(jì)算機(jī)研究與發(fā)展;2013年09期

2 張瑞青;馬駿;李鐵柱;;基于內(nèi)容的概念格近似自相似度度量[J];計(jì)算機(jī)時(shí)代;2007年11期

3 李中;張鐵峰;;不同相似度度量方式的隨機(jī)數(shù)據(jù)聚類分析[J];華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年06期

4 朱索格;胡訪宇;;基于海量數(shù)據(jù)的鏈接預(yù)測(cè)方法研究[J];電子技術(shù);2014年03期

5 陳會(huì)鴿;曹毅;;基于直方圖相似度度量的中央空調(diào)風(fēng)管附塵度檢測(cè)[J];自動(dòng)化與信息工程;2009年03期

6 ;[J];;年期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 徐小維;面向大數(shù)據(jù)的相似度度量的加速研究[D];華中科技大學(xué);2016年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 程煒;基于特征學(xué)習(xí)與相似度度量學(xué)習(xí)的人臉確認(rèn)研究[D];湘潭大學(xué);2016年

2 許新亞;基于判決決策的邊坡沉降相似度度量方法研究[D];西安科技大學(xué);2016年

，

本文編號(hào)：1289417