Zur Hauptnavigation wechseln Zur Suche wechseln Zum Hauptinhalt wechseln

Fast distributed k-nn graph update

  • Politecnico di Torino
  • EURECOM Ecole d'Ingénieur et Centre de Recherche en Sciences du Numérique

Publikation: Beitrag in Buch/Bericht/KonferenzbandKonferenzbeitragBegutachtung

Abstract

In this paper, we present an approximate algorithm that is able to quickly modify a large distributed fc-nn graph by adding or removing nodes. The algorithm produces an approximate graph that is highly similar to the graph computed using a naïve approach, although it requires the computation of far fewer similarities. To achieve this goal, it relies on a novel, distributed graph based search procedure. All these algorithms are also experimentally evaluated, using both euclidean and non-euclidean datasets.

OriginalspracheEnglisch
TitelProceedings - 2016 IEEE International Conference on Big Data, Big Data 2016
Redakteure/-innenJames Joshi, George Karypis, Ling Liu, Xiaohua Tony Hu, Ronay Ak, Yinglong Xia, Weijia Xu, Aki-Hiro Sato, Sudarsan Rachuri, Lyle Ungar, Philip S. Yu, Rama Govindaraju, Toyotaro Suzumura
Herausgeber (Verlag)Institute of Electrical and Electronics Engineers Inc.
Seiten3308-3317
Seitenumfang10
ISBN (elektronisch)9781467390040
DOIs
PublikationsstatusVeröffentlicht - 2016
Veranstaltung4th IEEE International Conference on Big Data, Big Data 2016 - Washington, USA/Vereinigte Staaten
Dauer: 5 Dez. 20168 Dez. 2016

Publikationsreihe

NameProceedings - 2016 IEEE International Conference on Big Data, Big Data 2016

Konferenz

Konferenz4th IEEE International Conference on Big Data, Big Data 2016
Land/GebietUSA/Vereinigte Staaten
OrtWashington
Zeitraum5/12/168/12/16

Fingerprint

Untersuchen Sie die Forschungsthemen von „Fast distributed k-nn graph update“. Zusammen bilden sie einen einzigartigen Fingerprint.

Dieses zitieren