面向大數(shù)據(jù)的相似度度量的加速研究.pdf

1、21世紀(jì)以來(lái)，隨著信息技術(shù)的迅猛發(fā)展，數(shù)據(jù)量呈指數(shù)級(jí)增長(zhǎng)，大數(shù)據(jù)時(shí)代已經(jīng)到來(lái)并給人們的生活帶來(lái)了全方位的改變。圖像數(shù)據(jù)和流數(shù)據(jù)是大數(shù)據(jù)中兩種最主要的數(shù)據(jù)形式。這些海量的數(shù)據(jù)給數(shù)據(jù)挖掘，尤其是其中的瓶頸，相似度度量帶來(lái)了新的挑戰(zhàn)：高吞吐量，高能量效率和多源性。
　　由于 Complementary Metal–Oxide–Semiconductor（CMOS）工藝無(wú)法繼續(xù)提供Central Processing Unit（CPU）吞

2、吐量和能量效率的提升，提升相似度度量的性能成為面向大數(shù)據(jù)挑戰(zhàn)的一個(gè)亟待解決的問(wèn)題。本文從面向架構(gòu)（數(shù)字電路），面向器件（模擬電路）和面向應(yīng)用（應(yīng)用領(lǐng)域）三個(gè)角度出發(fā)，選取針對(duì)流數(shù)據(jù)處理的動(dòng)態(tài)時(shí)間規(guī)整（Dynamic Time Warping，DTW）和針對(duì)圖像處理的土地移動(dòng)距離（Earth Mover’s Distance，EMD）這兩個(gè)典型的相似度度量進(jìn)行性能加速的研究。
　　首先為了滿足流數(shù)據(jù)挖掘中數(shù)據(jù)多源性以及高吞吐量的要求

3、，我們提出了一套可擴(kuò)展，可配置和高能效的基于FPGA的DTW流數(shù)據(jù)處理架構(gòu)。該架構(gòu)能夠同時(shí)高能效高性能的處理多源流數(shù)據(jù)。在該架構(gòu)中，我們選取了 kNN算法來(lái)處理分類和異常檢測(cè)等應(yīng)用。該架構(gòu)使用了數(shù)據(jù)表示方法和精度降低技術(shù)。通過(guò)設(shè)計(jì)兩個(gè)環(huán)狀PE結(jié)構(gòu)，我們實(shí)現(xiàn)了DTW和kNN的可擴(kuò)展性和可配置性。
　　其次為了在具有事務(wù)管理和文件管理能力的嵌入式設(shè)備System on Chip（SoC）上實(shí)現(xiàn)高性能高能效的流數(shù)據(jù)挖掘，我們提出了一種基

4、于 CPU+FPGA異構(gòu)平臺(tái)的DTW流數(shù)據(jù)加速架構(gòu)。通過(guò)充分利用DTW算法的并行性，我們實(shí)現(xiàn)了一個(gè)可配置的加速架構(gòu)。上層應(yīng)用的軟件優(yōu)化主要在硬核CPU上實(shí)現(xiàn)，而DTW加速在可編程邏輯上實(shí)現(xiàn)。通過(guò)軟硬件結(jié)合，整個(gè)系統(tǒng)性能和能量效率達(dá)到最優(yōu)。
　　第三，結(jié)合新器件憶阻器我們通過(guò)模擬電路實(shí)現(xiàn)了DTW計(jì)算的加速。在該加速電路中，憶阻器用來(lái)同時(shí)進(jìn)行計(jì)算和配置?；趹涀杵鞯挠?jì)算是一個(gè)連續(xù)和異步的過(guò)程，因此我們提出了兩種基于結(jié)果預(yù)測(cè)的優(yōu)化方法來(lái)

5、進(jìn)一步加速DTW計(jì)算。我們對(duì)下限優(yōu)化方法進(jìn)行了改進(jìn)，提出了一種提前下限優(yōu)化算法。我們同時(shí)對(duì)DTW計(jì)算過(guò)程進(jìn)行優(yōu)化，提出了一種提前終止優(yōu)化方法。
　　第四，基于CPU+FPGA異構(gòu)平臺(tái)，我們提出了一種基于指令集擴(kuò)展的EMD加速架構(gòu)。我們首先對(duì)EMD算法進(jìn)行了分析，在識(shí)別其瓶頸部分后，設(shè)計(jì)了專門的擴(kuò)展指令對(duì)其進(jìn)行加速。相比于已有的硬件加速，該EMD加速架構(gòu)能夠支持的直方圖中特征變量數(shù)目有1-2個(gè)數(shù)量級(jí)的提升。
　　第五，針對(duì)睡姿

6、監(jiān)測(cè)應(yīng)用，我們對(duì)EMD算法進(jìn)行了面向特定應(yīng)用的優(yōu)化。我們提出了一種針對(duì)睡姿應(yīng)用的相似度度量，面向睡姿的土地移動(dòng)距離（Body-Earth Mover’s Distance，BEMD），來(lái)對(duì)基于壓力傳感器的睡姿壓力圖進(jìn)行睡姿分類。在睡姿分類過(guò)程中，BEMD沒(méi)有提取任何特征。BEMD利用形狀描述器首先將睡姿壓力圖變換成直方圖，然后結(jié)合EMD和歐式距離對(duì)直方圖進(jìn)行相似度計(jì)算。我們提出了一個(gè)基于傾斜率的分類器對(duì)直方圖之間的相似度進(jìn)行處理，進(jìn)而實(shí)