基于在线云保障食品安全

资源描述一、环境环境：Ubuntu14、Hadoop2.6，Eclipse、NLPIR/ICTCLAS2015等； 二、算法简介： 1、此项目是基于Hadoop2.6进行MapReduce并行开发； 2、此项目是文本分类的文本预处理和文本表示部分，包括分词，去停用词，特征选择和文本表示等（分类算法采用的是随机森林算法，暂时未开放，读者可自行采用Mahout或Weka进行验证）； 3、分词采用的是NLPIR/ICTCLAS2015；文本表示采用的是VSM模型，权重计算采用TFIDF进行文本表示；特征选择采用CHI算法（卡方统计）； 4、关于并行分词环境搭建，可参考我的博客http://www.cnblogs.com/merru/p/4917665.html 5、关于Hadoop环境搭建，可参考我的博客http://www.cnblogs.com/merru/p/4901528.html和http://www.cnblogs.com/merru/p/4905118.html。

应用背景并行计算是最近新兴的一门技术，但是关于并行计算的代码在现在还不是特别普遍。本文是关于折半插入排序的并行计算的应用，希望对您的学习有一定的帮助。关键技术并行计算，多线程，折半插入排序，加速比，并行，串行

此程序包的矩阵求逆函数基于 CUDA 的实现包含对称的积极明确逆矩阵使用 GPU。用法，请参阅 testspd.cpp 中的示例。此外，一般块矩阵求逆通过高斯(pivotting) 没有消除。请参阅 testge.cpp 例如使用。注： GE 可能无法在单精度足够稳定。请参阅生成文件更改为双精度。

#include #define  NUMBER   4 void main( ) {    int i=1; float f0,dt,dx,dz; int mx,mz,ntmax,pml,sou_x,sou_z,rec_start,rec_end,rec_int,rec_depth; char shotID[5],record_pp[30],vp_name[30],rou_name[30],mig_name[30],mig_pyt_name[30],mig_udlf_name[40],shuoming[30]; FILE *fp,*f; /*&不合法变量*/     printf("** This program is to show the block file input & output** "); fp=fopen(

资源描述目前，高能效的并行任务调度算法设计已经成为集群系统的研究热点．现有基于复制的节能调度算法主要利用阈值平衡系统的性能和能耗，但随机设置的阈值无法根据性能需求和环境参数等特征自动调节，导致调度算法存在一定的局限性．文中提出一种面向同构集群系统的两阶段节能调度算法ＡＴＥＳ（Ａｄａｐｔｉｖｅ　Ｔｈｒｅｓｈｏｌｄ－ｂａｓｅｄ Ｅｎｅｒｇｙ－ｅｆｆｉｃｉｅｎｔ　Ｓｃｈｅｄｕｌｉｎｇ）．首先，设计一种基于自适应阈值的任务复制策略，该策略能够自动计算最佳阈值，利用该阈值获取近似最优的任务分组．然后，将各分组任务调度到支持ＤＶＳ的处理器上，并充分利用任务之间的空闲时间降低处理器电压．该算法将任务复制策略与电压调节技术有机结合，在调度过程中能够自动调整阈值，有效提高调度算法的能效．为了验证ＡＴＥＳ算法的合理性，通过典型应用进行仿真实验，并与常见任务调度算法进行比较，结果表明ＡＴＥＳ算法能够更好地实现性能和能耗之间的平衡．

它是一个基于8051的频率计数器，可以用作学习工具。很有用的开始。

本程序是cuda语言实现向量相加的例子，通过这个例子可以学习cuda的基本语法格式，

能让大家更好的理解Hadoop Map Reduce的内容，并讲解如何安装hadoop，如何在Linux环境下配置Hadoop和ssh等，以及Hadoop等在大数据处理方面的应用。

Hadoop环境下一个简单的排序算法实现，测试数据集可以选用任何数字形式的text文本文件，包含源代码及利用ant进行jar包压缩的build.xml文件，希望对大家学习Hadoop有用处。