权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

SI2-SSE: Scalable Big Data Clustering by Random Projection Hashing

SI2-SSE：通过随机投影哈希进行可扩展的大数据集群

基本信息

批准号：
1440420
负责人：
Philip Wilsey
金额：
$ 49.81万
依托单位：
University of Cincinnati Main Campus
依托单位国家：
美国
项目类别：
Standard Grant
财政年份：
2014
资助国家：
美国
起止时间：
2014-09-01 至 2019-08-31
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=1440420&HistoricalAwards=false
关键词：
SI2 SSE Scalable Big Data

项目摘要

This project plans to develop a distributed algorithm for secure clustering of high dimensional data sets. Fields in health and biology are significantly benefited by data clustering scalability. Bioinformatic problems such as Micro Array clustering, Protein-Protein interaction clustering, medical resource decision making, medical image processing, and clustering of epidemiological events all serve to benefit from larger dataset sizes. The algorithm under development, called Random Projection Hash or RPHash, utilizes aspects of locality sensitive hashing (LSH) and multi-probe random projection for computational scalability and linear achievable gains from parallel speed. Furthermore, RPHash provides data anonymization through destructive manipulation of the data preventing de-anonymization attacks beyond standard best practices database security methods. RPHash will be deployable on commercially available cloud resources running the Hadoop (MRv2) implementation of MapReduce. The exploitation of general purpose cloud processing solutions allows researchers to scale their processing needs using virtually limitless commercial processing resources.The RPHash algorithm uses various recent techniques in data mining along with a new approach toward achieving algorithmic scalability on distributed systems. The basic intuition of RPHash is to combine multi-probe random projection with discrete space quantization. Regions of high density are then regarded as centroid candidates. To follow common parameterized, k-means methods, the top k regions will be selected. The focus on a randomized, and thus non-deterministic, clustering algorithm is somewhat uncommon in computing, but common for ill-posed, combinatorially restrictive problems such as clustering and partitioning. Despite theoretical results showing that k-means has an exponential worst case complexity, many real world problems tend to fair much better under k-means and other similar algorithms.

该项目计划开发一种用于高维数据集安全聚类的分布式算法。健康和生物学领域从数据集群可伸缩性中受益匪浅。生物信息学问题，如微阵列聚类、蛋白质-蛋白质相互作用聚类、医疗资源决策、医学图像处理和流行病学事件聚类，都受益于更大的数据集大小。正在开发的算法称为随机投影散列或RPHash，利用位置敏感散列(LSH)和多探测随机投影的方面来实现计算可伸缩性和并行速度的线性增益。此外，RPHash通过对数据的破坏性操作提供数据匿名化，防止超越标准最佳实践数据库安全方法的反匿名化攻击。RPHash将可以部署在运行Hadoop(MRv2)MapReduce实现的商业云资源上。通用云处理解决方案的开发使研究人员能够利用几乎无限的商业处理资源来扩展他们的处理需求。RPHash算法使用了数据挖掘中的各种最新技术，并提供了一种在分布式系统上实现算法可伸缩性的新方法。RPHash的基本直觉是将多探头随机投影与离散空间量化相结合。密度较高的区域则被视为质心候选区域。为了遵循常见的参数化k-均值方法，将选择前k个区域。关注随机化的、因此不确定的聚类算法在计算中有些不常见，但对于不适定的、组合限制性的问题，如聚类和分区，这是很常见的。尽管理论结果表明k-Means算法具有指数级的最坏情况复杂性，但在k-Means和其他类似算法下，许多现实世界的问题往往会更好地解决。

项目成果

期刊论文数量（8）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Clustering Data in Secured, Distributed Datasets

DOI：
10.1007/978-3-030-24311-1_40
发表时间：
2019-07
期刊：
影响因子：
0
作者：
Sayantan Dey;Lee Carraher;Anindya Moitra;P. Wilsey
通讯作者：
Sayantan Dey;Lee Carraher;Anindya Moitra;P. Wilsey

Persistent Homology on Streaming Data

流数据的持久同源性

DOI：
10.1109/icdmw51313.2020.00090
发表时间：
2020
期刊：
8th Workshop on Data Mining in Biomedical Informatics and Healthcare
影响因子：
0
作者：
Moitra, Anindya;Malott, Nicholas O.;Wilsey, Philip A.
通讯作者：
Wilsey, Philip A.

Random Projection Clustering on Streaming Data

流数据上的随机投影聚类

DOI：
10.1109/icdmw.2016.0105
发表时间：
2016
期刊：
IEEE ICDM Workshop on High Dimensional Data Mining
影响因子：
0
作者：
Carraher, Lee A.;Wilsey, Philip A.;Moitra, Anindya;Dey, Sayantan
通讯作者：
Dey, Sayantan

Computation of persistent homology on streaming data using topological data summaries

使用拓扑数据摘要计算流数据上的持久同源性

DOI：
10.1111/coin.12597
发表时间：
2023
期刊：
Computational Intelligence
影响因子：
2.8
作者：
Moitra, Anindya;Malott, Nicholas O.;Wilsey, Philip A.
通讯作者：
Wilsey, Philip A.

streamingRPHash: Random Projection Clustering of High-Dimensional Data in a MapReduce Framework

StreamingRPHash：MapReduce 框架中高维数据的随机投影聚类

DOI：
10.1109/cluster.2016.89
发表时间：
2016
期刊：
IEEE Cluster 2016
影响因子：
0
作者：
Franklin, Jacob;Wenke, Samuel;Quasem, Sadiq;Carraher, Lee A.;Wilsey, Philip A.
通讯作者：
Wilsey, Philip A.