论文部分内容阅读
对大规模数据进行并行计算处理优化是实现数据云计算的关键技术，大规模数据分布空间维数较大，运算的时间成本和空间成本较高。传统方法采用块匹配和网格计算方法进行大数据并行处理，在并行与迭代处理过程中受到特征干扰较大，运算效率不高。基于此,提出一种基于奇异值特征分解的大规模数据并行计算方法。进行大规模数据的结构分析，基于奇异值特征分解对大规模数据信息流进行特征分解，实现数据的降维处理，提高并行计算的效率。仿真结果表明，采用该算法进行大规模数据的并行计算的加速比较高，计算时间减少，提高了数据处理能力。