Elaborato di Impianti di elaborazione

Aggiornato il 09/04/2026

di paito85ptg

Publisher

Vota

Contenuto verificato e approvato dal Team di Esperti di Skuola.net

PROGETTO COMPLETO - IMPIANTI DI ELABORAZIONE - PROF. COTRONEO - UNINA]Questo elaborato contiene l'analisi comparativa tra Java e C++ (Sieve Algorithm) e lo studio statistico con PCA e …

Esame Impianti di elaborazione

Facoltà Ingegneria

Dal corso del Prof. Cotroneo Domenico

Università Università degli studi di Napoli Federico II

A.A. 2016-2017

171 pagine

Prove svolte

Scarica

Estratto del documento

Facoltà di Ingegneria Corso di Studi in Ingegneria Informatica Elaborato di Impianti di elaborazione Anno Accademico 2016/2017 I Indice Capitolo 1. Benckmark Sieve 1.1 1.2 4 Traccia…………………………………………………………………………………………… 4 Procedimento…………………………………………………………………………………… 4 1.2.1 Algoritmo di Sieve:descrizione…….................................................................. 4 1.2.2 Esecuzione dell’algoritmo…………………………………………………………. 5 1.2.3 Codice C++…………………………………………………………………………. 6 1.2.4 Codice Java………………………………………………………………………… 8 1.2.5 Risultati dell’algoritmo di Sieve per N = 1000………………………………….. 11 1.2.6 Risultati dell’algoritmo di Sieve per N = 10000………………………………… 13 1.2.7 Risultati dell’algoritmo di Sieve per N = 100000………………………………. 15 1.2.8 Risultati dell’algoritmo di Sieve per N = 200000………………………………. 17 1.2.9 Risultati dell’algoritmo di Sieve per N = 300000………………………………. 19 1.2.10 Risultati dell’algoritmo di Sieve per N = 400000………………………………. 21 1.2.11 Risultati dell’algoritmo di Sieve per N = 500000………………………………. 23 1.2.12 Risultati dell’algoritmo di Sieve per N = 1000000……………………………... 25 1.2.13 Medie e CoV dei tempi di esecuzione………………………………………….. 27 1.2.14 Intervalli di confidenza delle misure richieste………………………………….. 30 1.2.15 Confronto tra le due implementazioni…………………………………………... 33 Capitolo 2. PCA e clustering 2.1 2.2 60 Traccia…………………………………………………………………………………….... Procedimento………………………………………………………………………………. 2.2.1 Introduzione…………………………………………………………………….. 2.2.2 Clustering direttamente sui dati………………………………………………. 2.2.3 Clustering sulle componenti principali……………………………………….. 2.2.3.1 PCA sulla matrice di correlazione……………………………… 2.2.3.2 Clustering applicato alle componenti principali sulle correlazioni…………………………………………………. 2.2.3.3 PCA sulla matrice di covarianza……………………………….. 2.2.3.4 Clustering applicato alle componenti principali sulle covarianze………………………………………………….. 2.2.4 Confronto tra i risultati del clustering………………………………………… 60 60 60 61 64 64 66 67 69 70 II Cap

Anteprima

Vedrai una selezione di 10 pagine su 171