《计算机工程与应用》唯一官方网站
 首页  |  期刊介绍  |  编委会  |  投稿指南  |  道德声明  |  中图分类号  |  期刊订阅  |  联系我们  |  English
《计算机工程与应用》唯一官方网站
工程与应用 最新目录 | 下期目录 | 过刊浏览 | 高级检索  |   
利用CUDA提高内存数据聚类效能的研究
董丽丽,董  玮,张  翔
西安建筑科技大学,西安 710055
Research for memory data clustering efficiency with CUDA
DONG Lili, DONG Wei, ZHANG Xiang
Xi’an University of Architecture and Technology, Xi’an 710055, China
 全文: PDF (706 KB)   HTML (1 KB)  输出: BibTeX | EndNote (RIS)      背景资料
摘要 提出一种新的聚类算法AIK-Means,利用CUDA技术加速算法执行效率,并优化内存方法,可在有限时间内进行多次聚类;将Chameleon层次聚类算法用于解决K-Means算法的初始聚类中心敏感问题;在多次聚类结果中用FP-Tree进行关联分析,提高聚类有效性。将算法应用到某集团心理学MMPI数据测试,实验结果表明AIK-Means算法在执行效率和聚类有效性上具有良好的效果。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
董丽丽
董 玮
张 翔
关键词统一计算设备架构(CUDA)   Chameleon层次聚类算法   K-Means聚类算法   频繁模式树(FP-Tree)   明尼苏达多项人格测验(MMPI)     
Abstract: This paper puts forward a new clustering algorithm AIK-Means. Multiple clustering can be executed within the limited time by using the CUDA technology, which is able to accelerate execution efficiency of the algorithm and optimize the memory method. The Chameleon hierarchical cluster algorithm is used to solve the initial clustering centers sensitive issues of the K-Means algorithm. In order to improve the validity of clustering, the FP-Tree is used for correlation analysis in several clustering results. In this paper, the algorithm is applied to the psychology MMPI test data of a group. The experimental results indicate that the AIK-Means algorithm performs well in the execution efficiency and cluster validity.
Key wordsCompute Unified Device Architecture(CUDA)   Chameleon hierarchical cluster algorithm   K-Means algorithm   Frequent Pattern(FP)-Tree   Minnesota Multiphasic Personality Inventory(MMPI)   
引用本文:   
董丽丽,董 玮,张 翔. 利用CUDA提高内存数据聚类效能的研究[J]. 《计算机工程与应用》唯一官方网站, 2015, 51(22): 243-251.
DONG Lili,DONG Wei,ZHANG Xiang. Research for memory data clustering efficiency with CUDA[J]. CEA, 2015, 51(22): 243-251.
链接本文:  
http://cea.ceaj.org/CN/
 
没有找到本文相关图表信息
没有本文参考文献
[1] 李正夫1,2,王希诚3,李克秋1,姚 翔3,董悦丽2. CUDA平台下信息熵多种群遗传算法设计[J]. 《计算机工程与应用》唯一官方网站, 2016, 52(1): 12-16.
[2] 仲济源,梅魁志,温哲西. GIST特征提取的异构并发流计算实现[J]. 计算机工程与应用, 2015, 51(6): 139-144.
[3] 赵家威,房九龄,苏 明. Legendre序列快速生成的CUDA实现[J]. 计算机工程与应用, 2014, 50(8): 66-71.
[4] 陈 华,史悦戎. 基于GPU的重启PGMRES并行算法研究[J]. 计算机工程与应用, 2014, 50(7): 35-40.
[5] 王 聪,冯衍秋. 利用GPGPU进行快速稀疏磁共振数据重建[J]. journal6, 2011, 47(17): 203-206.
[6] 张聪品,吴长茂,赵理莉. CUDA平台下LISP2算法垃圾收集并行研究[J]. journal6, 2010, 46(33): 75-77.
[7] 陈 佐1,陈 汉2,季加良1. 运动估计搜索算法的CUDA优化与实现[J]. journal6, 2010, 46(32): 171-176.
[8] 张 端1,刘 渊1,2,郝建东1. 模糊聚类和QPSO算法在Ad Hoc异常检测中的应用[J]. journal6, 2010, 46(30): 92-94.
[9] 张燕平,王 杨,赵 姝. 应用Normal矩阵谱平分法的多社团发现[J]. journal6, 2010, 46(27): 43-45.
[10] 胡中栋,罗会兰,曾 珽. 基于FP-Tree的共享前缀频繁项集挖掘算法[J]. journal6, 2009, 45(27): 137-139.
[11] 桂叶晨,冯前进,刘 磊,陈武凡. 基于CUDA的双三次B样条缩放方法[J]. journal6, 2009, 45(1): 183-185.
版权所有 © 《《计算机工程与应用》唯一官方网站》编辑部
通信地址: 北京619信箱26分箱 邮编: 100083 电话: (010)89055542 E-mail: ceaj@vip.163.com
技术支持:北京玛格泰克科技发展有限公司
京ICP备13024262号-1