首页--数理科学和化学论文--数学论文--代数、数论、组合理论论文--代数方程论、线性代数论文--线性代数论文--矩阵论论文

基于Spark平台的大矩阵LU分解及求逆算法的研究与实现

致谢第1-6页
摘要第6-7页
ABSTRACT第7-11页
1 引言第11-16页
   ·论文背景与意义第11-12页
   ·国内外研究现状第12-14页
     ·并行计算框架研究现状第12-13页
     ·大矩阵并行求逆算法研究现状第13-14页
   ·论文研究工作和结构第14-16页
2 基本理论与相关技术第16-28页
   ·Spark核心技术概述第16-23页
     ·RDD简介第17-22页
     ·Spark中的DAG简介第22-23页
   ·矩阵求逆基础知识第23-26页
     ·矩阵基础知识第23-24页
     ·四种常用的矩阵求逆方法第24-26页
   ·本章小结第26-28页
3 基于Spark平台的分布式LU分解算法第28-39页
   ·单机LU分解算法第28-31页
     ·原理分析第28-30页
     ·算法实现第30-31页
   ·分布式LU分解算法第31-38页
     ·原理分析第32-33页
     ·算法实现第33-36页
     ·基于Spark平台的优化第36-38页
   ·本章小结第38-39页
4 基于Spark平台的分布式三角矩阵求逆算法第39-51页
   ·单机三角矩阵求逆算法第39-40页
     ·单机求解下三角矩阵的逆矩阵第39-40页
     ·单机求解上三角矩阵的逆矩阵第40页
   ·基于Spark平台的分布式下三角矩阵求逆算法第40-45页
     ·原理分析第41-42页
     ·算法实现第42-45页
   ·基于Spark平台的分布式上三角矩阵求逆算法第45-49页
     ·小三角矩阵转置方法第45-46页
     ·超大三角矩阵转置方法第46-49页
   ·本章小结第49-51页
5 实验结果第51-61页
   ·实验环境及实验数据第51-54页
     ·实验环境介绍第51-52页
     ·实验数据获取第52-54页
   ·算法在单机中的可扩展性实验第54-56页
   ·算法在集群中的可扩展性实验第56-58页
   ·本文算法与现有算法的对比第58-59页
   ·本章小结第59-61页
6 总结与展望第61-63页
   ·总结第61页
   ·展望第61-63页
参考文献第63-66页
作者简历及攻读硕士学位期间取得的研究成果第66-68页
学位论文数据集第68页

论文共68页,点击 下载论文
上一篇:基于复杂网络的城市轨道交通配流及特性研究
下一篇:图的Szeged指数