However,current data mining toolkit

However,current data mining toolkits cannot meet the requirement of applications with
large-scale databases in terms of speed. In this paper, we propose three techniques to speedup fundamental problems in data mining algorithms on the CUDA platform:
scalable thread scheduling scheme for irregular pattern, parallel distributed top-k
scheme, and parallel high dimension reduction scheme.

ผลลัพธ์ (ไทย) 1:

อย่างไรก็ตาม ข่าวการทำเหมืองข้อมูลปัจจุบันเป็นความต้องการของโปรแกรมประยุกต์ด้วย
ฐานข้อมูลขนาดใหญ่ในแง่ของความเร็วได้ ในเอกสารนี้ เราเสนอ 3 เทคนิคการ speedup ปัญหาพื้นฐานในอัลกอริทึมการทำเหมืองข้อมูลบนแพลตฟอร์ม CUDA:
เธรดสามารถปรับแผนโครงร่างสำหรับรูปแบบผิดปกติ ขนานที่กระจายบน-k
โครงร่าง และแผนการลดมิติคู่ขนานสูง

ผลลัพธ์ (ไทย) 2:

อย่างไรก็ตามปัจจุบันชุดเครื่องมือการทำเหมืองข้อมูลไม่สามารถตอบสนองความต้องการของการใช้งานกับ
ฐานข้อมูลขนาดใหญ่ในแง่ของความเร็ว ในบทความนี้เรานำเสนอสามเทคนิคที่จะ speedup ปัญหาพื้นฐานในขั้นตอนวิธีการทำเหมืองข้อมูลบนแพลตฟอร์ม CUDA:
โครงการการจัดตารางเวลาด้ายปรับขนาดได้สำหรับความผิดปกติของรูปแบบขนานกระจายบน k
โครงการและโครงการการลดมิติสูงขนาน

ผลลัพธ์ (ไทย) 3:

อย่างไรก็ตาม ชุดเครื่องมือทำเหมืองข้อมูลในปัจจุบัน ไม่สามารถตอบสนองความต้องการของการใช้งานกับฐานข้อมูล
ขนาดใหญ่ในแง่ของความเร็ว ในบทความนี้เรานำเสนอ 3 เทคนิค ปัญหาพื้นฐานของการทำเหมืองข้อมูลขั้นตอนวิธีการเร่งความเร็วในการแพลตฟอร์ม :
ขนาดด้ายตารางโครงการผิดปกติแบบขนานและกระจาย top-k
แบบขนานสูงมิติการลดโครงการ