Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados
A mineração de dados (MD) é potencialmente onerosa, estudos para diminuir o tempo de resposta são essenciais para conseguir entregar resultados em tempos menores. Muitas soluções propostas por trabalhos correlatos utilizam computação em clusters (aglomerados) de computadores, uma alternativa a isto...
| Autor: | |
|---|---|
| Tipo de documento: | Dissertação de mestrado |
| Estado: | Published version |
| Data de publicação: | 2019 |
| País: | Brasil |
| Recursos: | UEPG |
| Repositório: | Biblioteca Digital de Teses e Dissertações da UEPG |
| Idioma: | Português |
| OAI Identifier: | oai:tede2.uepg.br:prefix/2991 |
| Acesso em linha: | http://tede2.uepg.br/jspui/handle/prefix/2991 |
| Nível de acesso: | Acesso aberto |
| Palavra-chave: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Computação Paralela Mineração de Dados ManyCore Agricultura de Precisão Parallel Computing Precision Agriculture |
| _version_ | 1878761315881713664 |
|---|---|
| author | Maukoski, William Xavier |
| author_browse | Maukoski, William Xavier |
| author_facet | Maukoski, William Xavier |
| author_role | author |
| bitstream_url_str_mv | http://tede2.uepg.br/jspui/bitstream/prefix/2991/3/license.txt http://tede2.uepg.br/jspui/bitstream/prefix/2991/2/license_rdf http://tede2.uepg.br/jspui/bitstream/prefix/2991/1/William%20Maukoski.pdf |
| collection | Biblioteca Digital de Teses e Dissertações da UEPG |
| contributor_str_mv | Senger, Luciano José Ishii, Renato Porfirio Campos Junior, Arion de |
| description | A mineração de dados (MD) é potencialmente onerosa, estudos para diminuir o tempo de resposta são essenciais para conseguir entregar resultados em tempos menores. Muitas soluções propostas por trabalhos correlatos utilizam computação em clusters (aglomerados) de computadores, uma alternativa a isto é utilizar a computação com GPU. A programação com GPU, necessita um conhecimento aprofundado do algoritmo a ser trabalhado e de um entendimento da arquitetura da GPU que será utilizada. Este trabalho tem por objetivo geral investigar o uso da computação paralela em ambiente manycore para reduzir o tempo de resposta de algirtmos de MD. O algoritmo K-means por ser comumente adotados em tarefas de IA e sua característica NP-Difícil foi o escolhido para ser paralelizado. Foram utilizadas ferramentas para identificar o ponto de gargalo do K-means, simultaneamente foram feitas as avaliações dos pontos positivos e negativos destas ferramentas. Após identificar o ponto de gargalo do algoritmo, ele foi reescrito para ser executado com suporte da GPU, foram feitas as coletas dos tempos de respostas e pôr fim a medição do ganho de desempenho utilizando a GPU. Ao utilizar a GPU foi primeiro constatado um SpeedUP máximo de 7,09 e uma eficiência de 0,65% considerados pequenos ao comparar com outros trabalhos da literatura. Para contornar isto foi feito um aumento na base de dados utilizada aumentado o tempo de execução, assim obteve-se resultados melhores com um SpeedUp de 26,001 e uma eficiência de 2,4% ao utilizar o máximo de cores da GPU. Concluindo-se que é possível diminuir o tempo de resposta de algoritmos de mineração de dados utilizando GPU, sem precisar alterar o hardware do equipamento. |
| eu_rights_str_mv | openAccess |
| format | masterThesis |
| id | BR_a2f4665df54db90a5a2f45f93bff6dfe |
| institution | UEPG |
| instname_str | Universidade Estadual de Ponta Grossa (UEPG) |
| language | por |
| network_acronym_str | BR |
| network_name_str | Brasil |
| oai_identifier_str | oai:tede2.uepg.br:prefix/2991 |
| publishDate | 2019 |
| publishDateSort | 2019 |
| publisher | Universidade Estadual de Ponta Grossa Programa de Pós Graduação Computação Aplicada UEPG Brasil Departamento de Informática |
| publisherStr | Brasil Departamento de Informática Programa de Pós Graduação Computação Aplicada UEPG Universidade Estadual de Ponta Grossa |
| reponame_str | Biblioteca Digital de Teses e Dissertações da UEPG |
| spelling | Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados Maukoski, William Xavier Senger, Luciano José Ishii, Renato Porfirio Campos Junior, Arion de CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Computação Paralela Mineração de Dados ManyCore Agricultura de Precisão Parallel Computing Precision Agriculture A mineração de dados (MD) é potencialmente onerosa, estudos para diminuir o tempo de resposta são essenciais para conseguir entregar resultados em tempos menores. Muitas soluções propostas por trabalhos correlatos utilizam computação em clusters (aglomerados) de computadores, uma alternativa a isto é utilizar a computação com GPU. A programação com GPU, necessita um conhecimento aprofundado do algoritmo a ser trabalhado e de um entendimento da arquitetura da GPU que será utilizada. Este trabalho tem por objetivo geral investigar o uso da computação paralela em ambiente manycore para reduzir o tempo de resposta de algirtmos de MD. O algoritmo K-means por ser comumente adotados em tarefas de IA e sua característica NP-Difícil foi o escolhido para ser paralelizado. Foram utilizadas ferramentas para identificar o ponto de gargalo do K-means, simultaneamente foram feitas as avaliações dos pontos positivos e negativos destas ferramentas. Após identificar o ponto de gargalo do algoritmo, ele foi reescrito para ser executado com suporte da GPU, foram feitas as coletas dos tempos de respostas e pôr fim a medição do ganho de desempenho utilizando a GPU. Ao utilizar a GPU foi primeiro constatado um SpeedUP máximo de 7,09 e uma eficiência de 0,65% considerados pequenos ao comparar com outros trabalhos da literatura. Para contornar isto foi feito um aumento na base de dados utilizada aumentado o tempo de execução, assim obteve-se resultados melhores com um SpeedUp de 26,001 e uma eficiência de 2,4% ao utilizar o máximo de cores da GPU. Concluindo-se que é possível diminuir o tempo de resposta de algoritmos de mineração de dados utilizando GPU, sem precisar alterar o hardware do equipamento. Data mining (MD) is potentially costly, studies to decrease response time are essen- tial to deliver results in shorter times. Many solutions proposed by related work use computation in clusters of computers, an alternative to this is to use GPU computing. Programming with GPU requires a thorough knowledge of the algorithm to be worked on and an understanding of the GPU architecture that will be used. This work has the general objective to investigate the use of parallel computing in the manycore environ- ment to reduce the response time of MD algorithms. The K-means algorithm for being commonly adopted in AI tasks and its NP-Difficult feature was chosen to be paralyzed. Tools were used to identify the bottleneck of K-means, while evaluating the positives and negatives of these tools. After identifying the bottleneck of the algorithm, it was rewritten to run with GPU support, collected response times, and ended the performance gain measurement using the GPU. When using the GPU, a maximum speed of 7.09 and an efficiency of 0.65% was found to be small when compared to other studies in the literature. To circumvent this was done an increase in the database utilized by increasing the run time, thus obtaining better results with a speed up of 26.001 and a efficiency of 2.4% when using the maximum of colors of the GPU. It is concluded that it is possible to decrease the response time of data mining algorithms using GPU, without having to change the hardware of the equipment. Universidade Estadual de Ponta Grossa Programa de Pós Graduação Computação Aplicada UEPG Brasil Departamento de Informática MAUKOSKI, W. X. Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados.Orientador: Luciano José Senger. 2019. Dissertação (Mestrado em Computação Aplicada) - Universidade Estadual de Ponta Grossa, Ponta Grossa, 2019. http://tede2.uepg.br/jspui/handle/prefix/2991 |
| spellingShingle | Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados Maukoski, William Xavier CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Computação Paralela Mineração de Dados ManyCore Agricultura de Precisão Parallel Computing Precision Agriculture |
| status_str | publishedVersion |
| title | Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados |
| title_full | Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados |
| title_fullStr | Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados |
| title_full_unstemmed | Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados |
| title_short | Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados |
| title_sort | Algoritmo k-means em ambiente manycore para redução do tempo de resposta da mineração de dados |
| topic | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Computação Paralela Mineração de Dados ManyCore Agricultura de Precisão Parallel Computing Precision Agriculture |
| topic_facet | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Computação Paralela Mineração de Dados ManyCore Agricultura de Precisão Parallel Computing Precision Agriculture |
| url | http://tede2.uepg.br/jspui/handle/prefix/2991 |