I grafi sono strutture utilizzate in ogni ambito. Per l’analisi di grafi sempre più grandi è necessario sviluppare degli algoritmi paralleli. MapReduce è un modello di computazione che permette di sviluppare in modo semplice algoritmi efficienti che utilizzino un cluster di macchine. In questo lavoro di tesi svilupperemo algoritmi per il calcolo del diametro di un grafo e per il calcolo della centrality di un nodo, approfondendo in particolare l’utilizzo di tecniche di clustering
Primitive per l'Analisi di Grandi Grafi in MapReduce
Parigi Bini, Gianmaria
2015/2016
Abstract
I grafi sono strutture utilizzate in ogni ambito. Per l’analisi di grafi sempre più grandi è necessario sviluppare degli algoritmi paralleli. MapReduce è un modello di computazione che permette di sviluppare in modo semplice algoritmi efficienti che utilizzino un cluster di macchine. In questo lavoro di tesi svilupperemo algoritmi per il calcolo del diametro di un grafo e per il calcolo della centrality di un nodo, approfondendo in particolare l’utilizzo di tecniche di clusteringFile in questo prodotto:
File | Dimensione | Formato | |
---|---|---|---|
Tesi.pdf
accesso aperto
Dimensione
1.6 MB
Formato
Adobe PDF
|
1.6 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.12608/20510