首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

基于Spark的大规模矩阵算法研究

摘要第4-5页
ABSTRACT第5-6页
第一章 绪论第10-16页
    1.1 研究背景及现状第10-11页
    1.2 Hadoop生态系统第11-13页
        1.2.1 MapReduce编程框架第12页
        1.2.2 Spark第12-13页
    1.3 基于Spark的矩阵运算存在的挑战第13-14页
    1.4 论文结构第14-16页
第二章 大规模矩阵的分布式表示与基本运算第16-24页
    2.1 Spark简介及其特点第16-19页
        2.1.1 Spark计算框架第16页
        2.1.2 RDD(分布式弹性数据集)第16-18页
        2.1.3 Broadcast变量第18-19页
    2.2 基于RDD的分布式矩阵表示第19-21页
        2.2.1 表示结构第19-20页
        2.2.2 表示结构的优劣以及转换第20-21页
    2.3 Spark相关调优第21-22页
    2.4 总结第22-24页
第三章 大规模矩阵范数并行算法研究第24-30页
    3.1 范数理论基础第24-25页
        3.1.1 向量范数第24页
        3.1.2 矩阵范数第24-25页
        3.1.3 矩阵的常用范数及数学表达第25页
    3.2 矩阵范数并行算法设计与实现第25-27页
        3.2.1 F范数第26页
        3.2.2 无穷范数第26页
        3.2.3 1范数第26-27页
    3.3 实验评估第27-29页
        3.3.1 正确性验证第27-28页
        3.3.2 可扩展性第28-29页
    3.4 本章小结第29-30页
第四章 大规模矩阵乘法并行算法研究第30-36页
    4.1 矩阵乘法基础第30-31页
        4.1.1 矩阵乘法定义第30页
        4.1.2 分块矩阵算法第30-31页
    4.2 矩阵乘法并行算法设计与实现第31-33页
        4.2.1 两个大规模矩阵乘法分布式实现第32页
        4.2.2 大规模矩阵和小矩阵乘法第32-33页
    4.3 深入分析方阵乘法第33页
    4.4 实验评估第33-35页
        4.4.1 两种Partitioner的对比第33-34页
        4.4.2 瓶颈分析第34-35页
    4.5 本章小结第35-36页
第五章 大规模矩阵求逆并行算法研究第36-54页
    5.1 矩阵求逆的意义第36页
    5.2 相关工作第36-38页
        5.2.1 单机版LU分解第37页
        5.2.2 并行矩阵求逆算法第37-38页
    5.3 大规模矩阵求逆并行算法设计与实现第38-45页
        5.3.1 算法概述第38-39页
        5.3.2 大规模矩阵求逆并行算法第39-41页
        5.3.3 消除重复计算第41-45页
    5.4 大规模矩阵求逆算法要点第45-49页
        5.4.1 为什么求解L~(-1)和U~(-1)第45-48页
        5.4.2 高效的行变换操作第48-49页
    5.5 实验评估第49-52页
        5.5.1 集群配置第49页
        5.5.2 实验配置第49页
        5.5.3 性能比较第49-51页
        5.5.4 可扩展性和瓶颈分析第51-52页
        5.5.5 超大规模矩阵第52页
    5.6 本章小结第52-54页
第六章 大规模矩阵SVD并行算法研究第54-70页
    6.1 SVD简介第54-55页
        6.1.1 理论基础第54页
        6.1.2 单机SVD算法思路第54-55页
    6.2 分治法求解二对角矩阵SVD第55-58页
        6.2.1 分治法概述第55-56页
        6.2.2 分治法详解第56-58页
    6.3 并行SVD算法设计与实现第58-65页
        6.3.1 数据结构设计第59页
        6.3.2 计算瓶颈第59-60页
        6.3.3 并行算法设计第60-64页
        6.3.4 优化分布式矩阵乘法第64-65页
    6.4 实验评估第65-66页
        6.4.1 算法正确性验证第65-66页
        6.4.2 算法的可扩展性第66页
        6.4.3 大规模矩阵测试第66页
    6.5 相关工作第66-68页
        6.5.1 Lanczos算法第67页
        6.5.2 TSQR第67-68页
        6.5.3 Spark上Top K的SVD求解思路第68页
    6.6 本章小结第68-70页
第七章 总结与展望第70-72页
附录 常见缩略词的意义第72-74页
参考文献第74-78页
致谢第78-80页
攻读学位期间发表的学术论文目录第80页

论文共80页,点击 下载论文
上一篇:基于Pig的网络流量分析与性能优化
下一篇:动态自适应流媒体业务中QoE导向无线资源调度算法研究