메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
조이상 (한성대학교) 김진홍 (배재대학교)
저널정보
한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제16권 제6호
발행연도
2021.12
수록면
1,261 - 1,269 (9page)
DOI
10.34163/jkits.2021.16.6.014

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Over the last decades one could observe a drastic increase in the generation and storage of data in both, industry and science. While the field of data analysis is not new, it is now facing the challenge of coping with an increasing size, bandwidth and complexity of data. This renders traditional analysis methods and algorithms ineffective. This problem has been coined as the Big Data challenge. Concretely in science the major data producers are large-scale monolithic experiments and the outputs of domain simulations. Up until now, most of this data has not yet been completely analyzed, but rather stored in data repositories for later consideration due to the lack of efficient means of processing. We proposes a design and prototypical realization of such a framework based on the experience collected from empirical applications, so we called BDP(Big Data Processing). For this, selected scientific use cases, with an emphasis on earth sciences, were studied. In particular, these are object segmentation in point cloud data and biological imagery, outlier detection in oceanographic time-series data as well as land cover type classification in remote sensing images. In order to deal with the data amounts, two analysis algorithms have been parallelized for shared- and distributed-memory systems. The presented parallelization strategies have been abstracted into a generalized paradigm, enabling the formulation of scalable algorithms for other similar analysis methods. Moreover, it permits a large-scale data analysis framework and algorithm library for heterogeneous, distributed high-performance computing systems.
#Big data processing (BDP) #Data analysis #Cloud data #Remote sensing images #Distributed-memory systems

목차

등록된 정보가 없습니다.

참고문헌 (15)

참고문헌 신청
김응성 / 2021 / Research on Intelligent Dynamic Software Architecture Using Style-based Modeling / 한국지식정보기술학회 논문지 16(4):685~692 dbpia 김종윤 / 2021 / Optimized Data Processing Analysis Using Big Data Cloud Platform / 한국지식정보기술학회 논문지 16(1):1~7 dbpia 조이상 / 2020 / A Study on Big Data-based GraphX Model for Social Network Service / 한국지식정보기술학회 논문지 15(6):955~962 dbpia 황성태 / 2020 / A Study on Big Data Platform Architecture-based Conceptual Measurement Model Using Comparative Analysis for Social Commerce / 한국지식정보기술학회 논문지 15(5):623~630 dbpia M. Zaharia / 2012 / Resilient distributed datasets: a fault-tolerant abstraction for in-memory cluster computing / Proceedings of the 9th USENIX conference on Networked Systems Design and Implementation :2 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0