基于忆阻器的用于时间序列数据挖掘的可配置相似度度量加速器

发布时间：2020-07-31 20:29

【摘要】：随着科学技术的不断进步,迅速发展的物联网行业正时刻产生着大量数据,其中一个很重要的组成部分即为时间序列数据。时间序列数据为按时间排序的一连串观察数据的集合(例如心电图,一天的天气,每周的销售额和每月股票价格等),针对时间序的实时数据挖掘是数据中心的一个重要任务。时间序列数据有数据量大,维度高和数据更新频率快三个特点,这些大量的时间序列数据负载给数据中心的数据挖掘任务带来了全新的挑战。距离函数作为不同序列间的相似度度量方法,是大多数高速数据挖掘任务的主要组成部分。在实际数据挖掘应用中,距离函数的计算时间占总时间的极大一部分,是时间序列数据挖掘任务的计算瓶颈。为了解决上述问题,提高数据挖掘的效率,减少数据挖掘任务所耗时间,近年来出现和很多针对距离函数的软件和硬件加速方法。然而,这些加速算法都是针对单一的距离函数,导致这些优化方法只能局限于某种特定的距离函数和特定的应用场景。在数据中心数据挖掘任务中需要同时处理多个应用,每个应用需要使用对应的距离函数,针对这样的场景,已有的加速方法已经无法适用。因此需要设计出一种可配置的加速器,能同时满足多个距离函数的加速需求。忆阻器作为一种新型非线性器件,具有阻值可变和电阻记忆的功能,目前已被广泛应用于存储器和神经形态计算中。本文针对数据中心中的实时高效时间序列数据挖掘任务,提出了一种基于忆阻器的高吞吐量可配置相似度度量加速器。设计的加速器可以通过配置,实现目前时间序列数据挖掘任务中的六种常用距离函数(分别为动态时间规整,最长公共子序列,编辑距离,豪斯多夫距离,汉明距离和曼哈顿距离)的加速。为了提高能量效率,减少加速器占用面积,我们从各个电路结构中抽取出基本结构,通过对基本结构的配置实现不同距离函数的加速功能。为了评估本文设计的加速器性能,我们在公开的时间序列数据集上对加速器做了系统性能测试和端到端性能评估。实验结果表明,与已有的距离函数加速方法相比,本文设计实现的基于忆阻器的可配置相似度度量加速器取得了3.5x-376x加速比,同时在低精度损失的情况下,能量消耗降低了1-3个数量级。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN60;O211.61

【相似文献】

相关期刊论文 前10条

1 孙其法;闫秋艳;闫欣鸣;;基于多样化top-k shapelets转换的时间序列分类方法[J];计算机应用;2017年02期

2 王金策;杨宁;;时间序列趋势预测[J];现代计算机(专业版);2017年02期

3 彭佳星;肖基毅;;基于分型转折点的证券时间序列分段表示法[J];商;2016年31期

4 刘伟龙;;基于ARMA模型的股价预测及实证研究[J];智富时代;2017年02期

5 周仰;;《漫长的告别》(年度资助摄影图书)[J];中国摄影;2017年04期

6 王嵬;;王嵬作品[J];当代油画;2017年07期

7 刘明华;张晋昕;;时间序列的异常点诊断方法[J];中国卫生统计;2011年04期

8 郭崇慧;苏木亚;;基于独立成分分析的时间序列谱聚类方法[J];系统工程理论与实践;2011年10期

9 王佳林;王斌;杨晓春;;面向不确定时间序列的分类方法[J];计算机研究与发展;2011年S3期

10 万里;廖建新;朱晓民;倪萍;;一种基于频繁模式的时间序列分类框架[J];电子与信息学报;2010年02期

相关会议论文 前10条

1 马俊;曹成度;闵阳;周吕;;基于主成分分析去除GNSS站坐标时间序列有色噪声[A];第十一届中国卫星导航年会论文集——S05 空间基准与精密定位[C];2020年

2 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年

3 张可;李媛;柴毅;黄磊;;基于分段趋势的符号化时间序列聚类表示[A];第37届中国控制会议论文集（D）[C];2018年

4 张立波;庞蓉蓉;王勇;黄敏;何成涛;傅强;曲贤敏;仲昭衍;;基于时间序列的随机质控设计与应用[A];中国输血协会第九届输血大会论文专辑[C];2018年

5 徐光晶;;统计学在大地电磁测深时间序列处理中的应用[A];2017中国地球科学联合学术年会论文集（二十九）——专题57：电磁地球物理学研究及其应用[C];2017年

6 毛宇清;王咏青;王革丽;;支持向量机方法应用于理想时间序列的预测研究[A];中国气象学会2008年年会气候预测研究与预测方法分会场论文集[C];2008年

7 吴丽娜;黄领梅;沈冰;吕继强;;黄河上游降水时间序列混沌特性识别与预测年限分析[A];水系统与水资源可持续管理——第七届中国水论坛论文集[C];2009年

8 吴坚忠;路子愚;郑应平;;时间序列社会悖论模型及分析[A];1989年控制理论及其应用年会论文集（上）[C];1989年

9 雷敏;孟光;谢洪波;Kerreie Mengersen;Peter Bartlett;;嵌入维数对复杂时间序列的熵分析的影响研究[A];中国力学大会-2015论文摘要集[C];2015年

10 王兆甲;王海良;;一种相似时间序列挖掘算法及其在汽车运动分析中的应用[A];2014中国汽车工程学会年会论文集[C];2014年

相关重要报纸文章 前10条

1 王晓宝 杨永恒 永安期货;浅析波动率的均值回复特征[N];期货日报;2017年

2 东证期货 王爱华　杨卫东;两年涨跌轮回 秋季普遍下跌[N];期货日报;2009年

3 国家统计局核算司 吕峰;不变价GDP时间序列数据的构造[N];中国信息报;2016年

4 ;《时间序列与金融数据分析》[N];中国信息报;2004年

5 何德旭 王朝阳;时间序列计量经济学：协整与有条件的异方差自回归[N];中国社会科学院院报;2003年

6 刘俏;让数据坦白真相[N];21世纪经济报道;2003年

7 卞纪;我国多时间序列湿地遥感制图完成[N];中国气象报;2011年

8 权证一级交易商 国信证券;正股走势及时间序列主导下半年权证市场运行结构[N];证券时报;2006年

9 广发期货股指研究小组 谢贞联;Hurst指数提示市场升势或将形成[N];上海证券报;2012年

10 丁睿 中粮期货研究院;试论指数HP滤波分析法的应用[N];期货日报;2014年

相关博士学位论文 前10条

1 黄田;面向超大规模时间序列的异常检测[D];上海交通大学;2015年

2 刘海洋;复杂环境下时间序列预测方法研究[D];北京交通大学;2019年

3 石巍巍;大规模多源时间序列预处理与隐藏空间映射分析研究[D];上海交通大学;2018年

4 颜昌;心血管时间序列的图形分析和应用[D];山东大学;2019年

5 张弼尧;基于遥感时序分析的半干旱地区森林生态系统变化研究[D];中国地质大学(北京);2019年

6 姚文坡;生理时间序列的符号化和非线性特征分析[D];南京邮电大学;2019年

7 康峻;基于时间序列遥感数据的植被精细分类与覆盖度反演研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年

8 林蕾;基于循环神经网络模型的遥感影像时间序列分类及变化检测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年

9 丁红;柳江径流分析与预测研究[D];武汉理工大学;2016年

10 周超;集成时间序列InSAR技术的滑坡早期识别与预测研究[D];中国地质大学;2018年

相关硕士学位论文 前10条

1 陈颖;基于时间序列分析方法的金融数据研究[D];大连理工大学;2019年

2 王亭;基于时间序列与聚类的数据流异常检测[D];北京理工大学;2017年

3 薄梦雅;时间序列数据压缩算法研究[D];石家庄铁道大学;2019年

4 曾德文;基于忆阻器的用于时间序列数据挖掘的可配置相似度度量加速器[D];华中科技大学;2019年

5 刘吉辉;面向时间序列的古建筑室内环境预测方法研究[D];燕山大学;2019年

6 刘占宁;基于用户评分偏移度和时间序列的群组攻击检测[D];燕山大学;2019年

7 周茂盛;全球GPS数据处理及在地壳运动中的应用[D];山东科技大学;2018年

8 刘冰;顾及散射体高度的时间序列InSAR技术沉降监测应用研究[D];山东科技大学;2018年

9 马成龙;山东某煤矿地表变形数据分析及预测模型研究[D];山东科技大学;2018年

10 吴振宇;复杂时间序列的信息熵及其应用[D];北京交通大学;2019年

本文编号：2776973