版权说明 操作指南
首页 > 成果 > 详情

图形处理器在分层聚类算法中的通用计算研究

认领
导出
Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
李琳;李肯立;朱雅丽
作者机构:
[朱雅丽; 李琳] 湖南大学,计算机与通信学院,长沙,410082
[朱雅丽; 李琳] 衡阳师范学院,计算机科学技术系,湖南,衡阳,421008
[李肯立] 湖南大学
语种:
中文
关键词:
聚类分析;图形处理器;通用计算;分层聚类
关键词(英文):
graphics processing units(GPU);general purpose computation;hierarchical clustering
期刊:
计算机应用研究
ISSN:
1001-3695
年:
2008
卷:
25
期:
8
页码:
2319-2321,2327
基金类别:
国家自然科学基金资助项目(60603053,60274026,60373089,60403002) 衡阳师范学院教学研究资助项目(A267) 衡阳师范学院青年科研基金资助项目(07A29)
机构署名:
本校为其他机构
院系归属:
计算机科学与技术学院
摘要:
ROCK是一种采用数据点间的公共链接数来衡量相似度的分层聚类方法,该方法对于高维、稀疏特征的分类数据具有高效的聚类效果.其邻接度矩阵计算是影响时间复杂度的关键步骤,将图形处理器(GPU)强大的浮点运算和超强的并行计算能力应用于此步骤,而其余步骤由CPU完成.基于GPU的ROCK算法的运算效率在AMD 643500+ CPU和NVIDIA GeForce 6800 GT显卡的硬件环境下经过实验测试,证明其运算速度比完全采用CPU计算速度要快.改进的分层聚类算法适合在数据流环境下对大量数据进行实时高效的聚类的操作.
摘要(英文):
This paper proposed a novel algorithm named robust clustering algorithm for categorical (ROCK) model to improve clustering quality and it was efficient for the data of high dimensionality, sparsity and categorical nature. A novel concept called common neighbors( links), an appropriate selection of nearest neighbors, was adopted as similarity measure between a pair of points. The key step of computing adjacency matrix, which had a significant effect on the time complexity, could be implemented by GPU' s excellent performance such as the num...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com