10.3969/j.issn.1000-3428.2012.13.043
分批处理的K-means算法并行实现
为解决K-means算法计算量大、收敛缓慢、运算耗时长等问题,给出一种新的K-means算法的并行实现方法.在通用计算图形处理器架构上,使用统一计算设备架构(CUDA)加速K-means算法.采用分批原则,更合理地运用CUDA提供的各种存储器,避免访问冲突,同时减少对数据集的访问次数,以提高算法效率.在大规模数据集中的实验结果表明,该算法具有较快的聚类速度.
数据挖掘、K-means算法、统一计算设备架构、并行算法、聚类分析、图形处理器
38
TP301.6(计算技术、计算机技术)
国家“863”先进制造领域基金资助重点项目2006AA04A120;广东高校优秀青年创新人才培养计划基金资助项目LYM09128
2012-10-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
145-147,151