注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 面向货票系统的云计算服务合成技术研究及实现

  2. 使用本体作为云平台的服务模型,将云计算平台状态用本体的方式进 行描述,根据任务队列与新任务的情况做出推理,自动组建相应的计算服务集群, 充分利用了硬件资源提高任务执行效率。 研究中提出使用RDF数据格式保存货票数据,改变了传统的以文本进行存储 的方式,并且结合云计算中的分布式计算框架,对货票数据进行结构化操作并通 过实验验证存储与查询效率的大幅提高。 提出使用MashuP技术与其他的服务进行最终结果数据的合成,并且新加入的 数据不仅不会破化原有数据的语义性而且还能够基于原有的数据进行完善,而加

  3. 所属分类：系统集成

    • 发布日期：2014-09-14
    • 文件大小：5242880
    • 提供者：ciwsoft88

  1. Spark 框架的Graphx 算法研究

  2. Spark 框架的Graphx 算法研究 陈虹君 （电子科技大学成都学院，四川成都611731) 摘要：随着搜索引擎对网页的排名的需要，以及社交网络的兴起，海量关系所产生的大数据需要得到处理。图计算在数据 关系的分析上发挥着其巨大的潜能。Spark 框架是Hadoop 大数据平台上整合能力强，处理速度快的内存模型框架，它的图 处理Graphx 也得到快速发展。该文先介绍Spark 框架与Graphx 的关系与发展。接着分析了Graphx 中的三个典型的算 法。最后总结了Graphx 的场景应用

  3. 所属分类：其它

    • 发布日期：2015-06-27
    • 文件大小：1048576
    • 提供者：u013072345

  1. 论文研究-提升图嵌入框架及在表情识别中的应用.pdf

  2. 提出了一种提升图嵌入框架用于特征提取和选择 ,以及一种新的近邻权重计算方法 ,称为分类图。传统图嵌入模型的近邻权重采用欧氏距离 ,不能被提升算法所更新 ;相比较 ,分类图采用的是提升算法中样本的权重,反映的是样本在分类过程中的重要程度 ,有效地提高了图嵌入模型的分类性能。在通用人脸表情库上的识别实验结果验证了提升图嵌入模型的有效性。

  3. 所属分类：其它

    • 发布日期：2019-07-22
    • 文件大小：576512
    • 提供者：weixin_39840588

  1. tinympi4j是一款微型的java分布式离线计算框架

  2. tinympi4j 是一款微型的 java 分布式离线计算框架, 实现原理如图： 特性 简单直观, 没有任何学习难度 slave支持多个任务并发/并行执行 使用HTTP协议通信 场景:

  3. 所属分类：其它

    • 发布日期：2019-08-07
    • 文件大小：32768
    • 提供者：weixin_39841848

  1. 使用MATRIX的全差分NNLO计算

  2. 我们介绍了计算框架Matrix（http://matrix.hepforge.org/），该矩阵使我们能够按照先后顺序（NNLO）评估强子对撞机上各种过程的完全差分截面。 QCD。 我们考虑的过程是$$ 2 \ rightarrow 1 $$→2→1和$$ 2 \ rightarrow 2 $$→2→2涉及希格斯和矢量玻色子在最终状态的强子反应。 通过始终考虑所有共振图和非共振图，脱壳效应和自旋相关性，计算中首次包括了矢量玻色子的所有可能的轻子衰变通道。 我们简要介绍了Matrix所基于的理论

  3. 所属分类：其它

    • 发布日期：2020-04-05
    • 文件大小：1048576
    • 提供者：weixin_38748718

  1. 基于改进MGR融合算法的视频信息融合框架

  2. 针对视频信息具有的多模态性质,提出了融合视音频多种模态特征信息的视频融合分析框架,用以提高视频检索的正确率和效率。该框架根据从视频底层提取出的多种图像特征、音频特征,采用基于图嵌入框架的降维算法MFA降维,根据降维后得到的各种特征向量,训练SVM分类器进行分类,并用改进后的MGR融合算法对SVM分类器输出的序号矩阵进行融合分析。实验结果表明该融合框架融合多种特征提高了分类识别的效率,采用了改进的融合算法降低了计算复杂度,提高了系统的整体性能。

  3. 所属分类：其它

    • 发布日期：2020-06-20
    • 文件大小：420864
    • 提供者：weixin_38736529

  1. Higashi:单细胞Hi-C，scHi-C，Hi-C，3D基因组，核组织，超图-源码

  2. Higashi：多尺度和综合scHi-C分析 作为scHi-C分析的计算框架，Higashi具有以下功能： Higashi将scHi-C数据集表示为超图（图a） 每个单元和每个基因组单元被表示为单元节点和基因组单元节点。 单单元格联系图中的每个非零条目都被建模为超边缘。 每个染色质相互作用的读取计数用作超边缘的属性。 Higashi使用超图神经网络在此构造的超图中揭示高阶交互模式。 （图b） Higashi可以为scHi-C生成嵌入物，以用于下游分析。 Higashi可以估算单细

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：15728640
    • 提供者：weixin_42131352

  1. Spark：比Hadoop更强大的分布式数据计算项目

  2. Spark是一个由加州大学伯克利分校（UCBerkeleyAMP）开发的一个分布式数据快速分析项目。它的核心技术是弹性分布式数据集(Resilientdistributeddatasets)，提供了比Hadoop更加丰富的MapReduce模型，可以快速在内存中对数据集进行多次迭代，来支持复杂的数据挖掘算法和图计算算法。Spark使用Scala开发，使用Mesos作为底层的调度框架，可以和hadoop和Ec2紧密集成，直接读取hdfs或S3的文件进行计算并把结果写回hdfs或S3，是Hadoop

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：417792
    • 提供者：weixin_38647822

  1. 如何在分布式实时计算框架Storm中调用ODM规则运算

  2. Storm是目前流行的分布式实时流计算框架之一，它提供了可容错分布式计算所要求的基本需求和保障机制，可以满足高吞吐,实时的关键业务应用的需求。在编写基于Storm的分布式计算应用时，我们首先需要创建一个拓扑（Topology）,拓扑是一个由Spout节点和Bolt节点构成的有向图，其中Spout节点负责采集数据并发射数据流到Storm集群，Bolt节点负责从Spout节点或其他Bolt节点接收数据流，并进行业务处理。在编写基于Storm的分布式应用时，我们可以在Bolt节点中调用ODM规则集，从

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：145408
    • 提供者：weixin_38678796

  1. Spark入门实战系列--9.Spark图计算GraphX介绍及实例

  2. SparkGraphX是一个分布式图处理框架，它是基于Spark平台提供对图计算和图挖掘简洁易用的而丰富的接口，极大的方便了对分布式图处理的需求。众所周知·，社交网络中人与人之间有很多关系链，例如Twitter、Facebook、微博和微信等，这些都是大数据产生的地方都需要图计算，现在的图处理基本都是分布式的图处理，而并非单机处理。SparkGraphX由于底层是基于Spark来处理的，所以天然就是一个分布式的图处理系统。图的分布式或者并行处理其实是把图拆分成很多的子图，然后分别对这些子图进行计

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：671744
    • 提供者：weixin_38735987

  1. 分布式计算框架Hadoop原理及架构全解

  2. 本文来自于csdn，这篇文章讲解了分布式计算框架的核心内容、架构图详解，运用流程等Hadoop是Apache软件基金会所开发的并行计算框架与分布式文件系统。最核心的模块包括HadoopCommon、HDFS与MapReduce。HDFSHDFS是Hadoop分布式文件系统（HadoopDistributedFileSystem）的缩写，为分布式计算存储提供了底层支持。采用Java语言开发，可以部署在多种普通的廉价机器上，以集群处理数量积达到大型主机处理性能。HDFS架构原理HDFS采用maste

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：256000
    • 提供者：weixin_38509504

  1. Spark入门实战系列(上)-实时流计算SparkStreaming原理介绍

  2. SparkStreaming是Spark核心API的一个扩展，可以实现高吞吐量的、具备容错机制的实时流数据的处理。支持从多种数据源获取数据，包括Kafk、Flume、Twitter、ZeroMQ、Kinesis以及TCPsockets，从数据源获取数据之后，可以使用诸如map、reduce、join和window等高级函数进行复杂算法的处理。最后还可以将处理结果存储到文件系统，数据库和现场仪表盘。在“OneStackrulethemall”的基础上，还可以使用Spark的其他子框架，如集群学习、

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：539648
    • 提供者：weixin_38565818

  1. 一文让你彻底了解大数据实时计算引擎Flink

  2. 随着这些年大数据的飞速发展，也出现了不少计算的框架（Hadoop、Storm、Spark、Flink）。在网上有人将大数据计算引擎的发展分为四个阶段。第一代：Hadoop承载的MapReduce第二代：支持DAG（有向无环图）框架的计算引擎Tez和Oozie，主要还是批处理任务第三代：支持Job内部的DAG（有向无环图），以Spark为代表第四代：大数据统一计算引擎，包括流处理、批处理、AI、MachineLearning、图计算等，以Flink为代表或许会有人不同意以上的分类，我觉得其实这并不

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：974848
    • 提供者：weixin_38592758

  1. kahypar：KaHyPar（Karlsruhe超图分区）是一个多级超图分区框架，提供了直接的基于k途和递归二等分的分区算法，可计算出高质量的解决方案-源码

  2. 执照 Linux和macOS构建 Windows版本 窝 Zenodo 代码覆盖率 代码质量 覆盖范围扫描 声纳云 问题 目录 什么是超图？ 什么是超图分区？ 是图的概括，其中每个（超）边（也称为网）可以连接两个以上的顶点。 k向超图分区问题是对众所周知的问题的推广：将顶点集划分为k个有界大小（不超过平均块大小的1 +ε倍）的不相交的块，同时最小化定义在网。 最突出的两个目标函数是切割网和连接性（或λ− 1）度量。 切割网是图形划分中边缘切割目标的直接概括（即，将连接多个块的那些网的权重之

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：1014784
    • 提供者：weixin_42174176

  1. KaHIP：图分区框架KaHIP-Karlsruhe高品质分区-源码

  2. KaHIP v3.10 图分区框架KaHIP-Karlsruhe高质量分区。 图分区问题要求将图的节点集划分为k个相等大小的块，以使在块之间延伸的边的数量最小化。 KaHIP是一系列图形分区程序。 它包括KaFFPa（卡尔斯鲁厄快速流分区程序），这是一种多级图分区算法，其变体Strong，Eco和Fast，KaFFPaE（KaFFPaEvolutionary）是一种并行进化算法，使用KaFFPa提供组合和变异操作， KaBaPE扩展了进化算法。 此外，还包括专门的技术来划分道路网络（Buff

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：3145728
    • 提供者：weixin_42134097

  1. Spark：比Hadoop更强大的分布式数据计算项目

  2. Spark是一个由加州大学伯克利分校（UC BerkeleyAMP）开发的一个分布式数据快速分析项目。它的核心技术是弹性分布式数据集(Resilient distributeddatasets)，提供了比Hadoop更加丰富的MapReduce模型，可以快速在内存中对数据集进行多次迭代，来支持复杂的数据挖掘算法和图计算算法。Spark使用Scala开发，使用Mesos作为底层的调度框架，可以和hadoop和Ec2紧密集成，直接读取hdfs或S3的文件进行计算并把结果写回hdfs或

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：417792
    • 提供者：weixin_38606404

  1. 如何在分布式实时计算框架Storm中调用ODM规则运算

  2. Storm是目前流行的分布式实时流计算框架之一，它提供了可容错分布式计算所要求的基本需求和保障机制，可以满足高吞吐 ,实时的关键业务应用的需求。在编写基于Storm的分布式计算应用时，我们首先需要创建一个拓扑（Topology）, 拓扑是一个由Spout节点和Bolt节点构成的有向图，其中Spout节点负责采集数据并发射数据流到 Storm集群，Bol

  3. 所属分类：其它

    • 发布日期：2021-01-29
    • 文件大小：145408
    • 提供者：weixin_38621897

  1. Spark入门实战系列--9.Spark图计算GraphX介绍及实例

  2. SparkGraphX是一个分布式图处理框架，它是基于Spark平台提供对图计算和图挖掘简洁易用的而丰富的接口，极大的方便了对分布式图处理的需求。众所周知·，社交网络中人与人之间有很多关系链，例如Twitter、Facebook、微博和微信等，这些都是大数据产生的地方都需要图计算，现在的图处理基本都是分布式的图处理，而并非单机处理。Spark GraphX由于底层是基于Spark来处理的，所以天然就是一个分布式的图处理系统。图的分布式或者并行处理其实是把图拆分成很多的子图，然后分别对这些子图进行

  3. 所属分类：其它

    • 发布日期：2021-01-29
    • 文件大小：671744
    • 提供者：weixin_38670318

  1. 分布式计算框架Hadoop原理及架构全解

  2. 本文来自于csdn，这篇文章讲解了分布式计算框架的核心内容、架构图详解，运用流程等Hadoop是Apache软件基金会所开发的并行计算框架与分布式文件系统。最核心的模块包括Hadoop Common、HDFS与MapReduce。HDFSHDFS是Hadoop分布式文件系统（Hadoop DistributedFileSystem）的缩写，为分布式计算存储提供了底层支持。采用Java语言开发，可以部署在多种普通的廉价机器上，以集群处理数量积达到大型主机处理性能。HDFS

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：256000
    • 提供者：weixin_38635449

  1. 一文让你彻底了解大数据实时计算引擎 Flink

  2. 前言 随着这些年大数据的飞速发展，也出现了不少计算的框架（Hadoop、Storm、Spark、Flink）。在网上有人将大数据计算引擎的发展分为四个阶段。 第一代：Hadoop 承载的 MapReduce 第二代：支持 DAG（有向无环图）框架的计算引擎 Tez 和 Oozie，主要还是批处理任务 第三代：支持 Job 内部的 DAG（有向无环图），以 Spark 为代表 第四代：大数据统一计算引擎，包括流处理、批处理、AI、Machine Learning、图计算等，以 Flink 为代表

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：631808
    • 提供者：weixin_38638002
« 12 3 4 5 6 7 8 9 10 ... 32 »