论文研究基于Spark的并行Eclat算法实现 .pdf

电力企业通常根据电力负荷数据，采用传统的K-Means算法对客户进行划分，而这种方法最大的缺陷就是必须由用户手动指定聚类簇数。提出了一种将Canopy算法和K-Means算法结合应用于负荷聚类的方法，

分析了传统分布式并行计算和网格，以及并行计算技术应用中存在的问题，将LogＰ并行计算模型拓展到网格上，给出双层LogＰ模型和设计策略。针对网格特点对CG并行算法进行了改进，并取得了很好的效果。

针对大多数并行Delaunay网格生成算法无法充分利用多核共享内存结构的问题，在原有面向共享内存的二维并行算法基础上，根据三维问题的特点提出基于OpenMP的三维并行Delaunay网格生成算法。算法

基于Spark的分布式近邻传播聚类算法，刘新生，于艳华，在大规模聚类算法的应用方面，近邻传播聚类(affinitypropagation,AP)克服了传统的K-means算法需要手动指定聚类个数的局限

针对传统并行多路传输中数据调度算法存在的问题,基于MPTCP协议,提出了带宽预测和前向时延的数据调度算法（data-schedulingalgorithmusingbandwidthestimatio

云计算下的SPRINT并行算法研究，张春艳，，目前，由于云计算的出现，越来越多的中小企业在分析海量数据时能便利地找到廉价的解决方案。本文，鉴于MapReduce作为Hadoop中的重要编

针对遗传算法中的早收敛现象,提出了一种实数自适应并行遗传算法(real adaptive parallel genetic algorithm,RAPGA)。该算法采用了一种并行遗传进化结构,并将自适

基于并行化网络实验平台流保序算法研究，孙冬雪，王振凯，针对目前IP网存在的可测性差、可管性弱、可控性不足的问题，支持虚拟化的并行化路由实验平台从体系结构的结构研究满足可测量、可�

针对串行最短路径搜索算法本身固有的局限性，难以随着网络规模的增大而提高搜索速度的问题，设计并实现了一种基于并行Dijkstra思想的并行最短路径搜索算法，使算法复杂度由O（N2）减少到O（N2/pN*

基于Hadoop的SVM并行化文本分类研究与实现，吴泽伦，郑岩，支持向量机（SVM）已成为一种非常流行的分类工具，但支持向量机算法的主要缺点是当它处理的数据集规模很大时需要较大内存和训练��