“大数据系统-科研”版本间的差异
（→数据分析层面） |
（→子群发现） |
||
| 第102行： | 第102行： | ||
# Yi Wang et al., SciSD: Novel Subgroup Discovery Over Scientific Datasets Using Bitmap Indices, #OSU-CISRC-3/15-TR03, March 2015. | # Yi Wang et al., SciSD: Novel Subgroup Discovery Over Scientific Datasets Using Bitmap Indices, #OSU-CISRC-3/15-TR03, March 2015. | ||
| + | |||
| + | === 相似性查询 === | ||
| + | |||
| + | 相似性查询 （Similarity searches）是探索式数据分析（exploratory data analysis）的一个重要任务。距离度量（Distance metrics）方法是相似性查询的基础。 | ||
| + | |||
| + | 基于BSI(Bit Slice Index)位图索引方法加速K-近邻（kNN）方法。 | ||
| + | |||
| + | #Gheorghi Guzun et al., "Supporting Dynamic Quantization for High-Dimensional Data Analytics." ExploreDB 2017. | ||
=== 有限状态机运行并行加速=== | === 有限状态机运行并行加速=== | ||
2017年5月23日 (二) 13:16的版本
目录
本组研究
实验室研究。
研究定位
数据分析层面（（系统级、功能））：关联规则分析、对比集分析、协同过滤、图的可达性查询
算法实现层面（进程级）： Apriori 算法、相似度计算、对比集挖掘
数据结构层面（编程语言）：Bitmap/Bit_array/Bitset/... （C++、Go、Java 函数库）
处理器执行层面（硬件层面）：BMI/SSE/AVX/AVX2/FMA （通用机器指令 Instructions）（专用机器指令、软硬件协同设计（HW/SW co-design））
本组工作
数据分析层面
协同过滤（Collaborative filtering）
数据结构层面
位图索引方法
- CODIS （Compressing Dirty Snippet） （C++ ）
- BAH（Byte Aligned Hybrid） （C++ Language）
- CAMP（Common Affix Merging with Partition） （Java Language）
- SPLWAH （SPLASH WAH）（CUDA Language）
- COMBAT （COMbining Binary And Ternary encoding）（C++）
- MASC（MAximized Stride with Carrier）（C++）
- 本组论文
- Wenxun Zheng et al., CODIS: A New Compression Scheme for Bitmap Indexes, ANCS 2017.
- Chenxing Li et al., BAH: A Bitmap Index Compression Algorithm for Fast Data Retrieval, LCN 2016.
- Yinjun Wu et al., CAMP: A new bitmap index for data retrieval in traffic archival, Communication Letters, Vol. 20, No. 6, pp.1128 - 1131, June 2016.
- Jiahui Chang et al., SPLWAH: A bitmap index compression scheme for searching in archival Internet traffic. ICC 2015.
- Yinjun Wu et al., COMBAT: a new bitmap index coding algorithm for big data. TST 2016.
- 论文列表
http://net.icenter.tsinghua.edu.cn/netplus/paper.html
研究方向
研究点：使用位图索引支撑的算法。
MPSoC增强的索引运算
- Sebastian Haas et al., An MPSoC for Energy-Efficient Database Query Processing, DAC 2016.
- Sebastian Haas et al., HW/SW-Database-CoDesign for Compressed Bitmap Index Processing, ASAP 2016.
非循环图的可达性查询
- Sebastiaan J. van Schaik et al., A Memory Efficient Reachability Data Structure Through Bit Vector Compression, SOGMOD 2011.
ISA增强的集运算
- O. Arnold et al., An application-specific instruction set for accelerating set-oriented database primitives. SIGMOD 2014.
关联规则挖掘
关联规则挖掘（association rule mining），查找频繁项目集（Frequent ItemSets）。其中最有名的算法是Apriori算法。
基于位图的Apriori算法加速。
- Sung-Tan Kim et al., "BAR: bitmap-based association rule: an implementation and its optimizations." ACM MoMM 2009.
对比度设置学习
对比度设置学习（对比集分析）是一种关联规则的学习 ，旨在找出有意义的不同的群体之间的差异，通过逆向工程的关键预测指标，确定每一个特定的组。
基于位图的对比集挖掘算法加速。
- Gangyi Zhu et al., SciCSM: Novel Contrast Set Mining over Scientific Datasets Using Bitmap Indices, SSDBM 2015.
数据采样
数据采样（Data Sampling）。
基于位图索引的数据采样方法。
- Su, Yu, et al. "Taming massive distributed datasets: data sampling using bitmap indices." HPDC 2013.
相关性挖掘
- 相关性测度（Correlation Metrics ）
- 地球移动距离（Earth Mover's Distance, EMD）
- 香农熵（Shannon's Entropy）、互信息（Mutual Information）、条件熵（Conditional Entropy）
相关性分析位图索引加速。
- Yu Su et al., In-Situ Bitmaps Generation and Efficient Data Analysis based on Bitmaps, HPDC 2015.
子群发现
子群发现（subgroup mining）是数据分析的一个重要方法。
基于位图索引的子群发现方法加速。
- Yi Wang et al., SciSD: Novel Subgroup Discovery Over Scientific Datasets Using Bitmap Indices, #OSU-CISRC-3/15-TR03, March 2015.
相似性查询
相似性查询 （Similarity searches）是探索式数据分析（exploratory data analysis）的一个重要任务。距离度量（Distance metrics）方法是相似性查询的基础。
基于BSI(Bit Slice Index)位图索引方法加速K-近邻（kNN）方法。
- Gheorghi Guzun et al., "Supporting Dynamic Quantization for High-Dimensional Data Analytics." ExploreDB 2017.
有限状态机运行并行加速
使用Intel Xeon Phi加速卡。
- Peng Jiang et al., Combining SIMD and Many Multi-core Parallelism for Finite State Machines with Enumerative Speculation,PPoPP 2017.
研究应用
数码视讯、中国联通
