一个基于OpenMp的快速并行DBSCAN算法,用于检测流媒体服务上的犯罪分子
Lesia Mochurad1, Andrii Sydor1, Oleh Ratinskiy1
1Department of Artificial Intelligence, Lviv Polytechnic National University, Lviv, Ukraine.
Frontiers in big data
|November 29, 2023
概括
这项研究引入了一个并行DBSCAN算法,以有效地分析流媒体服务数据,显著加快集群,而不牺牲准确性. 该方法在多核系统上显示出高可扩展性,在营销和欺诈检测方面提供了有价值的应用.
科学领域:
- 计算机科学 计算机科学
- 数据科学数据科学数据科学
- 算法分析 算法分析
背景情况:
- 像Twitch这样的流媒体服务越来越受欢迎,产生大量的用户数据.
- 高效分析这些数据对于理解用户行为和识别模式至关重要.
研究的目的:
- 开发和评估一个平行DBSCAN算法,以实现更快的数据聚类.
- 提高从流媒体平台分析中型数据集的效率.
主要方法:
- 实现一个并行DBSCAN算法,利用OpenMP进行并行计算.
- 避免冗余的邻居搜索计算以提高性能.
- 使用轮值验证聚类质量.
主要成果:
- 平行DBSCAN算法在中型数据集上实现了显著的加快速度.
- 加速率与可用的CPU核心数量相关联.
- 观察到高效率,接近一个.
结论:
- 拟议的并行DBSCAN算法为集群流数据提供了一个可扩展和高效的解决方案.
- 该算法在各种领域展示了潜在的应用,包括营销,网络安全和欺诈检测.
