Doorgaan naar hoofdnavigatie Doorgaan naar zoeken Ga verder naar hoofdinhoud

Fast distributed k-nn graph update

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

Onderzoeksoutput: Hoofdstuk in Boek/Rapport/CongresprocedureConferentiebijdragepeer review

Samenvatting

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.

Originele taal-2Engels
TitelProceedings - 2016 IEEE International Conference on Big Data, Big Data 2016
RedacteurenJames 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
UitgeverijInstitute of Electrical and Electronics Engineers Inc.
Pagina's3308-3317
Aantal pagina's10
ISBN van elektronische versie9781467390040
DOI's
StatusGepubliceerd - 2016
Evenement4th IEEE International Conference on Big Data, Big Data 2016 - Washington, Verenigde Staten van Amerika
Duur: 5 dec. 20168 dec. 2016

Publicatie series

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

Congres

Congres4th IEEE International Conference on Big Data, Big Data 2016
Land/RegioVerenigde Staten van Amerika
StadWashington
Periode5/12/168/12/16

Vingerafdruk

Duik in de onderzoeksthema's van 'Fast distributed k-nn graph update'. Samen vormen ze een unieke vingerafdruk.

Citeer dit