文献

J-GLOBAL ID：201702274407679875   整理番号：17A1726737

GPU加速と可視化を用いたビッグデータの進行性クラスタ化【Powered by NICT】

Progressive clustering of big data with GPU acceleration and visualization

著者 (6件)： Wang Jun (Visual Analytics and Imaging Lab, Computer Science Department Stony Brook University, Stony Brook, NY, USA) ,  Papenhausen Eric (Visual Analytics and Imaging Lab, Computer Science Department Stony Brook University, Stony Brook, NY, USA) ,  Wang Bing (Visual Analytics and Imaging Lab, Computer Science Department Stony Brook University, Stony Brook, NY, USA) ,  Ha Sungsoo (Visual Analytics and Imaging Lab, Computer Science Department Stony Brook University, Stony Brook, NY, USA) ,  Zelenyuk Alla (Chemical and Material Sciences Division, Pacific Northwest National Laboratory, Richland, WA, USA) ,  Mueller Klaus (Visual Analytics and Imaging Lab, Computer Science Department Stony Brook University, Stony Brook, NY, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： NYSDS  ページ： 1-9  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： クラスタリングはビッグデータ解析における不可避な段階になってきた。コンパクトなフォーマットにデータを調整するために,ビッグデータ管理上の演算をする可能性がある。しかし,ビッグデータのクラスター化は,のみならず大容量と高次元性を持つデータを取り扱うことができるばかりでなく,ストリーミングデータ,それらの全ては大部分の現在のアルゴリズムの開発を処理する能力を必要とする。さらに,ビッグデータ処理はほとんど相互作用,これは直ちに回答を求めるユーザと矛盾である。最善のものがインクリメンタルに処理することである,できる部分と,正確な結果が比較的迅速に入手することができ,時間にわたって徐々に微細化した。はこれらの目標を達成するためにレイアウトとGPU加速のための多次元スケーリングを用いたクラスタリングフレームワークを提案した。ドメイン適用は各450次元の八百万のデータポイントを用いた個々のエーロゾル粒子の質量スペクトルデータのクラスタリングである。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 精密化 ,  高次元 ,  質量スペクトル ,  エアロゾル ,  *可視化 ,  相互作用 ,  アルゴリズム ,  *クラスタ化
準シソーラス用語： ストリーミングデータ ,  大容量 ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (3件)： 計算機網  (JC03000K) ,  その他の情報処理  (JE15050M) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (5件)： GPU ,  加速 ,  可視化 ,  ビッグデータ ,  クラスタ化