В статье предлагается метод построения параллельных алгоритмов интеллектуального
анализа данных, опирающийся на представление алгоритма в виде иерархии вложенных
функциональных блоков. Описываются все функциональные блоки, из которых могут состоять
алгоритмы интеллектуального анализа данных. Обосновывается, что предложенный метод
позволит построить типы параллельных структур алгоритмов интеллектуального анализа данных с
диспетчером и без него, с параллелизацией по задачам и по данным и с взаимодействием и без
взаимодействия между параллельными ветвями.
В статье предлагается метод построения параллельных алгоритмов интеллектуального
анализа данных, опирающийся на представление алгоритма в виде иерархии вложенных
функциональных блоков. Описываются все функциональные блоки, из которых могут состоять
алгоритмы интеллектуального анализа данных. Обосновывается, что предложенный метод
позволит построить типы параллельных структур алгоритмов интеллектуального анализа данных с
диспетчером и без него, с параллелизацией по задачам и по данным и с взаимодействием и без
взаимодействия между параллельными ветвями.
Ушбу мақолада маълумотларни интеллектуал таҳлил қилишнинг параллел
алгоритмларинии қуриш методи келтирилган. Метод алгоритмни кетма-кет иерархик функционал
блоклар кўринишига келтиришни назарда тутади. Маълумотларни интеллектуал таҳлил қилиш
алгоритмларини ташкил этувчи барча функционал блоклар келтирилган. Таклиф этилаётган метод
ёрдамида маълумотларни интеллектуал таҳлил қилиш алгоритмларини диспетчер билан ва
диспетчерсиз, маълумотлар ва масалалар бўйича параллелаштириш, параллел тугунларнинг ўзаро
алоқаси каби параллел структураларини қуриш мумкин.
In this paper proposed method of constructing parallel data mining algorithms based on
representation of an algorithm in the form of hierarchy of nested functional blocks. Described all
functional blocks which data mining algorithms can consist. Offered method allows to build types of
parallel structures of data mining algorithms with dispatcher and without dispatcher, with parallelization
by task and by data and with interaction and without interaction between parallel branches.
| № | Author name | position | Name of organisation |
|---|---|---|---|
| 1 | Kupriyanov M.S. | _ | _ |
| 2 | Karshiyev Z.A. | _ | _ |
| № | Name of reference |
|---|---|
| 1 | Куприянов М. С., Каршиев З. А. Формальная модель выполнения алгоритмов интеллектуального анализа// Известия СпбГЭТУ «ЛЭТИ». 2012. № 9. C. 60−68. |
| 2 | Amol G., Prabhanjan K., Edwin P., Ramakrishnan K. NIMBLE: A Toolkit for the Implementation of Parallel Data Mining and Machine Learning Algorithms on MapReduce// Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining (KDD’11). San Diego, California. USA. August 21–24. 2011. P. 334−342. |
| 3 | Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. Спб.: БХВ − Петербург, 2002. – 608 с. |