=本组研究 =
实验室研究。
==背景==
云计算（Cloud Computing）对产业影响巨大，云平台提供商为了获得最大化的经济收益，对计算资源的优化使用具有很强的经济动能，将计算资源的效率发挥到了极致。
云平台提供商对软硬件计算资源的一体化掌控，对软件的性能、能效等专用目标的最优化。
*趋势1：软硬件协同设计，对一些负载（work load）进行加速器（accelerator）的设计，达到性能、能效等专用目标的最优化。
*趋势2：软件一体化设计，达到性能度量指标的最优能力。
==研究定位==
数据分析层面：关联规则分析、对比集分析、协同过滤（ Collaborative Learning）（系统级、功能）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： 算法实现层面（进程级）： Apriori 算法、相似度计算（ Similarity）、对比集挖掘（Contrast Set Mining）（进程级）A-Priori 算法、相似度计算、对比集挖掘
数据结构层面：Bitmap数据结构层面（编程语言）：Bitmap/bit_arrayBit_array/bitsetBitset/ ... （C++/Go/函数库）（编程语言）、Go、Java 函数库）
处理器执行层面：BMI硬件执行层面（处理器层面）：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（HWInstructions） 硬件执行层面（FPGA 层面）：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===
2014年，本校学生温禹豪提出了SECOMPAX，进一步改进COMPAX算法。
2014年，本校学生常嘉辉提出了PLWAH+算法，改进了PLWAH算法。
2015年，本校学生常嘉辉提出了SPLWAH 算法。
2015年，本校学生吴垠鋆提出了CAMP算法，进一步改进WT(Wavelet Trie)算法。
2015年，本校学生吴垠鋆和温禹豪提出了COMBAT算法，进一步改进了了SECOMPAX算法。
2016年，本校学生温禹豪和王晗提出了MASC算法，进一步改进BBC/WAH算法。
2016年，本校学生李辰星等，提出了BAH算法，进一步改进了BBC算法。
2017年，本校学生郑文勋提出了CODIS方法，进一步改进性能。
位图索引方法
**[https://github.com/thuwuyinjun/CAMP CAMP]（Common Affix Merging with Partition） （Java Language）
**SPLWAH （SPLASH WAH)）（CUDA WAH）（CUDA Language）
**COMBAT （COMbining Binary And Ternary encoding）（C++）
# 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。研究点：使用位图索引支撑的[[大数据算法]]。 ==底层 == 处理器与FPGA
=== 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.
=== ISA增强的集运算===
#O. Arnold et al., An application-specific instruction set for accelerating set-oriented database primitives. SIGMOD 2014.
=== 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.
==上层 ==
=== 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增强的集运算频繁项目集发现 === #O. Arnold et al., An application-specific instruction set for accelerating set-oriented database primitives. SIGMOD 2014.
=== 关联规则挖掘 ===查找频繁项目集（Frequent ItemSets）。其中最有名的算法是A-Priori算法。
关联规则挖掘（association 从数据集中抽取频繁集，抽取的结果往往采用if-then 形式的规则集合来表示，这些规则被称为关联规则（association rule）。频繁项目集发现常常被看成关联规则挖掘（association rule mining），查找频繁项目集（Frequent ItemSets）。其中最有名的算法是Apriori算法。mining）或关联规则发现。
基于位图的Apriori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）。
2014年，俄亥俄州立大学的Yu Su等提出了位图索引取样技术处理大规模分布式数据集，这样能保留原始数据的特征，并且造成的损失亦处在可接受范围内。
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===
#Yu Su et al., In-Situ Bitmaps Generation and Efficient Data Analysis based on Bitmaps, HPDC 2015.
=== 子群发现 ===
# Yi Wang et al., SciSD: Novel Subgroup Discovery Over Scientific Datasets Using Bitmap Indices, #OSU-CISRC-3/15-TR03, March 2015.
=== 有限状态机运行并行加速===
使用Intel Xeon Phi加速卡。=== 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. =研究应用= 数码视讯、中国联通、百度公司、华为技术
=教材=#Peng Jiang et al.Leskovec, Jure, Anand Rajaraman, Combining SIMD and Many Multi-core Parallelism for Finite State Machines with Enumerative SpeculationJeffrey David Ullman. Mining of massive datasets. Cambridge University Press,PPoPP 20172014. [http://www.mmds.org/ MMDS_book]