基于K Framework的向量化机器学习指令语义形式化

1

作者 黄厚华 刘嘉祥 施晓牧 《软件学报》 EI CSCD 北大核心 2023年第8期3853-3869,共17页

ARM针对ARMv8.1-M微处理器架构推出基于M-Profile向量化扩展方案的技术,并命名为ARM Helium,声明能为ARM Cortex-M处理器提升达15倍的机器学习性能.随着物联网的高速发展,微处理器指令执行正确性尤为重要.指令集的官方手册作为芯片模拟... ARM针对ARMv8.1-M微处理器架构推出基于M-Profile向量化扩展方案的技术,并命名为ARM Helium,声明能为ARM Cortex-M处理器提升达15倍的机器学习性能.随着物联网的高速发展,微处理器指令执行正确性尤为重要.指令集的官方手册作为芯片模拟程序,片上应用程序开发的依据,是程序正确性基本保障.主要介绍利用可执行语义框架K Framework对ARMv8.1-M官方参考手册中向量化机器学习指令的语义正确性研究.基于ARMv8.1-M的官方参考手册自动提取指令集中描述向量化机器学习指令执行过程的伪代码,并将其转换为形式化语义转换规则.通过K Framework提供的可执行框架利用测试用例,验证机器学习指令算数运算执行的正确性. 展开更多

关键词 ARMv8.1-M架构 向量化指令 机器学习 k framework 形式化语义

在线阅读 下载PDF 职称材料

云环境下基于数据流的k-means聚类算法 被引量：12

2

作者 王飞 秦小麟 +1 位作者 刘亮 沈尧 《计算机科学》 CSCD 北大核心 2015年第11期235-239,265,共6页

k-means算法是一种最常用的基于划分的聚类算法。传统的集中式k-means算法已不能适应当前呈爆炸式增长的数据规模,设计分布式k-means算法成为了目前亟需解决的问题。现有分布式k-means算法基于MapReduce计算框架且没有考虑初始聚类中心... k-means算法是一种最常用的基于划分的聚类算法。传统的集中式k-means算法已不能适应当前呈爆炸式增长的数据规模,设计分布式k-means算法成为了目前亟需解决的问题。现有分布式k-means算法基于MapReduce计算框架且没有考虑初始聚类中心的影响。由于每个MapReduce任务均需要读写分布式文件系统,导致MapReduce不能有效表达多个任务之间的依赖关系,因此提出了一种基于数据流的计算框架,该框架建立在MapReduce之上,将数据处理过程按照数据流图建模。在该框架的基础上,提出了一种高效的k-means算法,它采用基于多次采样的初始聚类中心选取方法来实现负载均衡及减少迭代次数。实验结果表明,该算法的可扩展性较好,且效率比现有算法高。 展开更多

关键词 k-MEANS MAPREDUCE 计算框架 数据流

在线阅读 下载PDF 职称材料

以“学习进阶”方式统整的美国科学教育课程——基于《K-12科学教育框架》的分析 被引量：29

3

作者 李佳涛 王静 崔鸿 《外国教育研究》 CSSCI 北大核心 2013年第5期20-26,共7页

2011年7月,美国颁布了《K-12科学教育框架:实践、跨领域概念和核心概念》,其内容对美国科学教育产生了深远影响,其中最大的特色就是以"学习进阶"方式统整科学教育课程。其课程主要特点为:围绕学科核心概念、跨领域概念和科学... 2011年7月,美国颁布了《K-12科学教育框架:实践、跨领域概念和核心概念》,其内容对美国科学教育产生了深远影响,其中最大的特色就是以"学习进阶"方式统整科学教育课程。其课程主要特点为:围绕学科核心概念、跨领域概念和科学与工程实践展开,突出核心概念在课程中的地位;注重进阶,课程连贯性强;突出科学与技术实践,实践性强等。 展开更多

关键词 《k-12科学教育框架》 学习进阶 科学教育课程

在线阅读 下载PDF 职称材料

海量高维向量的并行Top-k连接查询 被引量：10

4

作者 马友忠 慈祥 孟小峰 《计算机学报》 EI CSCD 北大核心 2015年第1期86-98,共13页

在很多应用领域中,向量的Top-k连接查询是一种很重要的操作,给定两个向量集合R和S,Top-k连接查询要求从R和S中返回距离最小的前k个向量对.由于数据的海量性和高维特性,传统的集中式算法已经无法在可接受的时间内完成连接查询任务.MapRed... 在很多应用领域中,向量的Top-k连接查询是一种很重要的操作,给定两个向量集合R和S,Top-k连接查询要求从R和S中返回距离最小的前k个向量对.由于数据的海量性和高维特性,传统的集中式算法已经无法在可接受的时间内完成连接查询任务.MapReduce作为一个并行处理框架,能够有效地处理大规模数据.由于其高可扩展性、高可用性等特点,MapReduce已经成为海量数据处理的首选实现方案,在很多领域都得到了广泛的应用.文中基于分段累积近似法对高维向量进行降维,然后利用符号累积近似法对高维向量进行分组;在此基础上,结合MapReduce框架,提出了基于SAX的并行Top-k连接查询算法.实验表明,文中所提方案具有良好的性能和扩展性. 展开更多

关键词 高维向量 MAPREDUCE框架 Top-k连接查询 大数据

在线阅读 下载PDF 职称材料

基于MapReduce的K-means聚类集成 被引量：8

5

作者 冀素琴 石洪波 《计算机工程》 CAS CSCD 2013年第9期84-87,共4页

针对传统聚类算法难以高效进行海量数据聚类分析的问题,提出一种基于MapReduce框架的K-means聚类集成算法。利用K-means算法生成不同聚簇数目的基聚类结果,改进共协关系矩阵,依据数据点对出现次数进行集成,自动得出最终聚类结果。实验... 针对传统聚类算法难以高效进行海量数据聚类分析的问题,提出一种基于MapReduce框架的K-means聚类集成算法。利用K-means算法生成不同聚簇数目的基聚类结果,改进共协关系矩阵,依据数据点对出现次数进行集成,自动得出最终聚类结果。实验结果表明,该算法能够有效地改善聚类质量,具有良好的扩展性,适用于海量数据的聚类分析。 展开更多

关键词 海量数据 聚类 MAPREDUCE框架 k—means算法 共协关系矩阵 聚类集成

在线阅读 下载PDF 职称材料

基于Spark和SimHash的大数据K-近邻分类算法 被引量：3

6

作者 翟俊海 沈矗 +1 位作者 张素芳 王婷婷 《河北大学学报（自然科学版）》 CAS 北大核心 2019年第2期201-210,共10页

在笔者之前的工作中,提出了一种基于MapReduce和SimHash的大数据K-近邻算法(HMR-K-NN).虽然该算法能够有效解决大数据K-近邻算法的计算效率问题,运行时间远远低于基于MapReduce的K-近邻(MR-K-NN)所用的运行时间.然而,用MapReduce处理大... 在笔者之前的工作中,提出了一种基于MapReduce和SimHash的大数据K-近邻算法(HMR-K-NN).虽然该算法能够有效解决大数据K-近邻算法的计算效率问题,运行时间远远低于基于MapReduce的K-近邻(MR-K-NN)所用的运行时间.然而,用MapReduce处理大数据时,需要从磁盘读取数据,再将中间结果写回磁盘,导致系统的I/O开销极大,这大大降低了MapReduce的效率.与MapReduce不同,Spark是一种基于内存的计算框架,它将数据第1次从磁盘读入内存,生成一种抽象的内存对象RDD(resilient distributed datasets).此后,Spark只操作内存中的RDD,计算过程只涉及内存读写,因此大幅提升了数据处理效率.基于这一事实,对算法H-MR-K-NN进行了改进,提出了一种改进的算法(简记为HSpark-K-NN),可以进一步提高大数据K-近邻分类的运行效率. 展开更多

关键词 内存计算框架 k-近邻 哈希技术 分类算法 大数据集

在线阅读 下载PDF 职称材料

美国新版K-12科学教育框架对我国基础教育阶段科学教育的启示 被引量：32

7

作者 周玉芝 《课程·教材·教法》 CSSCI 北大核心 2012年第6期120-124,共5页

新版K-12科学教育框架的出台表明美国拉开了新一轮科学教育改革的序幕。美国新版K-12科学教育框架主要特点：聚焦于核心概念的科学教学、工程与科学相提并论、知行合一的“实践”和整体化设计。结合我国当前基础教育阶段科学教学存在的... 新版K-12科学教育框架的出台表明美国拉开了新一轮科学教育改革的序幕。美国新版K-12科学教育框架主要特点：聚焦于核心概念的科学教学、工程与科学相提并论、知行合一的“实践”和整体化设计。结合我国当前基础教育阶段科学教学存在的问题，阐释了我们应该从美国新版K-12科学教育框架借鉴的教学改革理念与做法。 展开更多

关键词 k-12科学教育框架 科学教学 核心概念

在线阅读 下载PDF 职称材料

美国加利福尼亚州新版K-12公立学校数学课程框架解析 被引量：2

8

作者 杨捷 王永波 欧吉祥 《课程·教材·教法》 CSSCI 北大核心 2022年第8期153-159,共7页

美国加利福尼亚州颁布的新版《数学课程框架》以教育公平、多维教学、结合现实、环境友好为核心理念,以连贯性、聚焦性、严谨性为指导原则,重新修订了K-12公立学校数学课程知识模块,制定了课程实施与指导的教学策略。新框架课程目标兼... 美国加利福尼亚州颁布的新版《数学课程框架》以教育公平、多维教学、结合现实、环境友好为核心理念,以连贯性、聚焦性、严谨性为指导原则,重新修订了K-12公立学校数学课程知识模块,制定了课程实施与指导的教学策略。新框架课程目标兼顾教育公平与质量,课程内容侧重形成数学综合素养,课程实施重视可操作性指导,课程标准强调高中与大学数学课程的衔接。 展开更多

关键词 课程标准 k-12 数学课程框架 教学策略

在线阅读 下载PDF 职称材料

Top-k相似连接算法性能优化 被引量：4

9

作者 王洪亚 杨利宏 刘晓强 《软件学报》 EI CSCD 北大核心 2016年第12期3051-3066,共16页

相似连接算法在数据清理、数据集成和重复网页检测等领域有着广泛的应用.现有相似连接算法有两种类型：基于相似度阈值的相似连接和Top-k相似连接.Top-k连接算法非常适合于相似度阈值未知的应用场景,目前最为有效的Top-k相似连接算法是X... 相似连接算法在数据清理、数据集成和重复网页检测等领域有着广泛的应用.现有相似连接算法有两种类型：基于相似度阈值的相似连接和Top-k相似连接.Top-k连接算法非常适合于相似度阈值未知的应用场景,目前最为有效的Top-k相似连接算法是Xiao等人提出的Topk-join.为了解决Topk-join中存在的性能问题,提出了一种Top-k相似连接算法Opt-join,该算法将Token批处理技术集成在现有的事件驱动框架中,以降低前缀事件的处理代价;通过置换哈希查找与过滤操作的执行位置来降低哈希查找代价,并理论证明了该置换的正确性.实验结果表明：与Topk-join算法相比,Opt-join取得了1.28倍~3.09倍的性能提升.实验数据还显示：随着数据长度的增加或k值的增长,Opt-join的性能优势有不断增加的趋势. 展开更多

关键词 Top-k相似连接 事件驱动框架 Token批处理 哈希查找优化

在线阅读 下载PDF 职称材料

一种基于元启发式策略的迭代自学习K-Means算法 被引量：2

10

作者 雷小锋 杨阳 +2 位作者 张克 谢昆青 夏征义 《计算机科学》 CSCD 北大核心 2009年第7期175-178,共4页

类内误差平方和最小化的聚类准则求解是NP难问题,K-Means采用的迭代重定位方法本质上是一种局部搜索的爬山算法,因此聚类结果对初始代表点的选择非常敏感,只能保证局部最优。为此,引入元启发式策略,通过建立评估函数对K-Means初始代表... 类内误差平方和最小化的聚类准则求解是NP难问题,K-Means采用的迭代重定位方法本质上是一种局部搜索的爬山算法,因此聚类结果对初始代表点的选择非常敏感,只能保证局部最优。为此,引入元启发式策略,通过建立评估函数对K-Means初始代表点和目标函数之间的依赖关系进行近似,然后利用近似评估函数指导新的初始代表点的选择,构成一种迭代自学习框架下的K-Means算法。实验表明算法可以很好地克服K-Means对初始代表点的依赖性,获得较高质量的聚类结果。 展开更多

关键词 聚类问题k-Means算法 元启发式策略 迭代自学习框架

在线阅读 下载PDF 职称材料

Spark框架下分布式K-means算法优化方法 被引量：13

11

作者 王法玉 刘志强 《计算机工程与设计》 北大核心 2019年第6期1595-1600,共6页

针对传统K-means算法在处理海量数据时存在计算效率低和时间复杂度高的缺点,提出一种基于Spark计算框架的改进K-means算法。利用网格单元保存数据点的空间位置信息,通过与聚类中心的空间位置关系减少冗余计算,为提高算法处理海量数据的... 针对传统K-means算法在处理海量数据时存在计算效率低和时间复杂度高的缺点,提出一种基于Spark计算框架的改进K-means算法。利用网格单元保存数据点的空间位置信息,通过与聚类中心的空间位置关系减少冗余计算,为提高算法处理海量数据的能力,采用Spark框架对算法进行并行化实现。在集群环境下进行测试,基于Spark框架的改进后算法能有效降低计算的时间复杂度,算法具有良好扩展性,计算效率有显著提高。 展开更多

关键词 k-MEANS算法 Spark计算框架 分布式 网格 空间位置

在线阅读 下载PDF 职称材料

可伸缩的增量连续k近邻查询处理 被引量：10

12

作者 廖巍 熊伟 +2 位作者 王钧 景宁 钟志农 《软件学报》 EI CSCD 北大核心 2007年第2期268-278,共11页

针对基于TPR树(time-parameterized R-tree)索引的大量并发CKNN(continuous k-nearest neighbor)查询处理,提出了一种可伸缩的增量连续k近邻查询处理(scalable processing of incremental continuous k-nearest neighbor queries,简称SI... 针对基于TPR树(time-parameterized R-tree)索引的大量并发CKNN(continuous k-nearest neighbor)查询处理,提出了一种可伸缩的增量连续k近邻查询处理(scalable processing of incremental continuous k-nearest neighbor queries,简称SI-CNN)框架,通过引入搜索区域进行预裁剪以减少查询更新所需要的TPR树节点访问代价,并引入了增量结果表以保存候选对象,批量地更新查询结果集,具有良好的可伸缩性.基于SI-CNN框架提出了一种增量更新的SI-CNN查询处理算法,能够基于上次查询结果增量的更新查询,支持查询集合中加入或删除查询和移动对象数据集的插入、删除等动态更新操作.实验结果与分析表明,基于SI-CNN框架的SI-CNN算法可以很好地支持大量并发的CKNN查询处理,具有良好的实用价值. 展开更多

关键词 连续k近邻查询 TPR树 SI—CNN框架 SI—CNN算法 增量处理

在线阅读 下载PDF 职称材料

基于Spark的并行化高效用项集挖掘算法 被引量：6

13

作者 何登平 何宗浩 李培强 《计算机工程与科学》 CSCD 北大核心 2019年第10期1723-1730,共8页

针对传统基于链表结构的Top-K高效用挖掘算法在大数据环境下不能满足挖掘需求的问题,提出一种基于Spark的并行化高效用项集挖掘算法(STKO)。首先从阈值提升、搜索空间缩小等方面对TKO算法进行改进;然后选择Spark平台,改变原有数据存储结... 针对传统基于链表结构的Top-K高效用挖掘算法在大数据环境下不能满足挖掘需求的问题,提出一种基于Spark的并行化高效用项集挖掘算法(STKO)。首先从阈值提升、搜索空间缩小等方面对TKO算法进行改进;然后选择Spark平台,改变原有数据存储结构,利用广播变量优化迭代过程,在避免大量重新计算的同时使用负载均衡思想实现Top-K高效用项集的并行挖掘。实验结果表明,该并行算法能有效地挖掘出大数据集中的高效用项集。 展开更多

关键词 数据挖掘 高效用项集 Spark大数据框架 并行化 TOP-k

在线阅读 下载PDF 职称材料

一种k跳分簇AdHoc网络协作框架 被引量：1

14

作者 李勇 王平 潘勇 《计算机科学》 CSCD 北大核心 2011年第4期133-136,158,共5页

基于k跳簇的特殊结构,提出了一种k跳分簇Ad Hoc网络协作框架。簇首根据启发式规则选择合适的簇间协作网关节点,自适应地管理簇间协作关系。相邻的协作"网关节点"与簇首协作,管理簇内节点、网关节点的移动。当簇首发生移动时,... 基于k跳簇的特殊结构,提出了一种k跳分簇Ad Hoc网络协作框架。簇首根据启发式规则选择合适的簇间协作网关节点,自适应地管理簇间协作关系。相邻的协作"网关节点"与簇首协作,管理簇内节点、网关节点的移动。当簇首发生移动时,选择合适的节点完成簇首信息的交接。移动代理在簇首节点间漫游,实现全网络协作,扩大k跳簇首的知识范围。仿真结果表明,协作框架能够以较低的控制负载高效地管理k跳分簇Ad Hoc网络中的移动节点,并提供网络级的协作。 展开更多

关键词 k跳簇 AD HOC网络 协作框架 移动代理 控制负载

在线阅读 下载PDF 职称材料

基于MapReduce框架下K-means的改进算法 被引量：11

15

作者 阴爱英 吴运兵 +1 位作者 朱敏琛 张莹 《计算机应用研究》 CSCD 北大核心 2018年第8期2295-2298,共4页

针对海量数据背景下K-means聚类结果不稳定和收敛速度较慢的问题,提出了基于MapReduce框架下的K-means改进算法。首先,为了能获得K-means聚类的初始簇数,利用凝聚层次聚类法对数据集进行聚类,并用轮廓系数对聚类结果进行初步评价,将获... 针对海量数据背景下K-means聚类结果不稳定和收敛速度较慢的问题,提出了基于MapReduce框架下的K-means改进算法。首先,为了能获得K-means聚类的初始簇数,利用凝聚层次聚类法对数据集进行聚类,并用轮廓系数对聚类结果进行初步评价,将获得数据集的簇数作为K-means算法的初始簇中心进行聚类;其次,为了能适应于海量数据的聚类挖掘,将改进的K-means算法部署在MapReduce框架上进行运算。实验结果表明,在单机性能上,该方法具有较高的准确率和召回率,同时也具有较强的聚类稳定性;在集群性能上,也具有较好的加速比和运行速度。 展开更多

关键词 MAPREDUCE框架 k-MEANS算法 数据挖掘 聚类分析

在线阅读 下载PDF 职称材料

基于Hadoop的微阵列数据两阶段并行K近邻基因提取 被引量：1

16

作者 齐向明 郑帅 魏萍 《计算机工程》 CAS CSCD 北大核心 2016年第5期54-59,共6页

基因信息选取工作中由于数据量庞大,传统单线程运行的分类查询方法无法满足实时性与提取精度要求。为此,利用Hadoop框架设计两阶段并行计算模型。其中第1阶段用于候选基因子集并行选取,第2阶段用于并行K近邻基因信息选取,从而实现并行... 基因信息选取工作中由于数据量庞大,传统单线程运行的分类查询方法无法满足实时性与提取精度要求。为此,利用Hadoop框架设计两阶段并行计算模型。其中第1阶段用于候选基因子集并行选取,第2阶段用于并行K近邻基因信息选取,从而实现并行计算的全过程覆盖。为降低算法的计算复杂度,针对基因信息微阵列数据,定义数据筛选指标对其进行采样,在降低数据处理量的同时消除数据冗余。实验结果表明,该算法具有较高的运行效率,并且继承了Hadoop编程模型的可扩展特性,可移植性较强。 展开更多

关键词 Hadoop框架 并行计算 微阵列采样 大数据 k近邻 基因信息

在线阅读 下载PDF 职称材料

KRust:Rust形式化可执行语义 被引量：3

17

作者 王丰 张俊 《计算机科学与探索》 CSCD 北大核心 2019年第12期2008-2014,共7页

Rust是新兴的系统级编程语言,旨在提供内存安全的同时保证极高的性能。Rust形式化语义是用来证明其内存安全和开发Rust程序分析工具的基础。鉴于目前没有直接描述Rust的形式化语义,提出了针对Rust语言的形式化可执行语义KRust。为了确... Rust是新兴的系统级编程语言,旨在提供内存安全的同时保证极高的性能。Rust形式化语义是用来证明其内存安全和开发Rust程序分析工具的基础。鉴于目前没有直接描述Rust的形式化语义,提出了针对Rust语言的形式化可执行语义KRust。为了确保语义的可执行性和应用性,使用了K框架进行语义的开发。KRust目前涵盖了Rust常见的语法和语义,包括了Rust的3个核心特性:所有权、借用和生命周期。KRust通过了191个测试样例,其中157个都是来自Rust官方的测试集。语义对比测试实验发现了Rust编译器的缺陷。此外,KRust的语义还可以被应用于开发Rust程序分析工具。 展开更多

关键词 编程语言 RUST 语义 k框架

在线阅读 下载PDF 职称材料

大规模社会网络K-出入度匿名方法 被引量：2

18

作者 张晓琳 刘娇 +2 位作者 毕红净 李健 王永平 《计算机工程》 CAS CSCD 北大核心 2020年第11期164-173,共10页

现有社会网络隐私保护技术在处理大规模社会网络有向图时数据处理效率较低,且匿名数据发布通常不能满足社区结构分析的需求。为此,提出一种基于层次社区结构的大规模社会网络K-出入度匿名(KIODA)算法。该算法基于层次社区结构划分社区,... 现有社会网络隐私保护技术在处理大规模社会网络有向图时数据处理效率较低,且匿名数据发布通常不能满足社区结构分析的需求。为此,提出一种基于层次社区结构的大规模社会网络K-出入度匿名(KIODA)算法。该算法基于层次社区结构划分社区,采用贪心算法分组并匿名K-出入度序列,分布式并行添加虚拟节点以实现K-出入度匿名,基于GraphX图数据处理平台传递节点间的信息,根据层次社区熵的变化情况选择虚拟节点对并进行合并删除,从而减少信息损失。实验结果表明,KIODA算法在处理大规模社会网络有向图数据时具有较高的执行效率,并在匿名后保证了数据发布时社区结构分析结果的可用性。 展开更多

关键词 层次社区结构 社会网络有向图 k-出入度匿名 社区划分 GraphX框架

在线阅读 下载PDF 职称材料

Spark环境下K-means初始中心点优化研究综述 被引量：9

19

作者 行艳妮 钱育蓉 +1 位作者 南方哲 赵京霞 《计算机应用研究》 CSCD 北大核心 2020年第3期641-647,共7页

为了能够及时了解Spark环境下经典聚类算法K-means的最新研究进展,把握K-means算法当前的研究热点和方向,针对K-means算法的初始中心点优化研究进行综述。首先介绍了内存计算框架Spark和K-means算法,并分析了K-means算法聚类不稳定性的... 为了能够及时了解Spark环境下经典聚类算法K-means的最新研究进展,把握K-means算法当前的研究热点和方向,针对K-means算法的初始中心点优化研究进行综述。首先介绍了内存计算框架Spark和K-means算法,并分析了K-means算法聚类不稳定性的成因和影响,其目的在于指出优化K-means算法的重要性;详细介绍了目前在Spark环境下优化K-means初始中心点的主要方法和最新研究现状,并展望了K-means初始中心点优化问题的未来研究方向。 展开更多

关键词 k-均值算法 分布式内存计算框架 算法优化 聚类算法

在线阅读 下载PDF 职称材料

基于并行化K-means的综合能源服务客户识别 被引量：7

20

作者 沈子垚 袁晓玲 《电力工程技术》 北大核心 2021年第2期107-113,共7页

随着电力体制改革的不断深入以及大数据技术的发展,传统的供电公司和综合能源服务企业急需改善现有的粗放型营销模式,实现不同用户需求的快速响应。针对综合能源服务潜在客户的精准识别问题,文中通过对综合能源服务潜在客户的标签进行分... 随着电力体制改革的不断深入以及大数据技术的发展,传统的供电公司和综合能源服务企业急需改善现有的粗放型营销模式,实现不同用户需求的快速响应。针对综合能源服务潜在客户的精准识别问题,文中通过对综合能源服务潜在客户的标签进行分析,基于Spark内存计算平台提出了一种改进的并行化K-means聚类算法。首先,对聚类过程中初始聚类中心的选取和样本影响因素的权值进行改进;其次,基于优化后的权值对客户数据集进行聚类分析,对综合能源服务潜在客户进行识别;最后,采集综合能源服务企业的近期交易数据,在多节点的物理机上进行实验与分析。结果表明改进后的聚类算法更准确。在执行效率上,并发度高的算法执行效率优于单线程的算法具有较好的并行能力。 展开更多

关键词 潜在客户识别 大数据 Spark框架 k-MEANS聚类 并行计算

在线阅读 下载PDF 职称材料