GPU加速的自适应仿射传播聚类方法
自适应仿射传播聚类作为一种新兴的聚类算法,不需要指定初始类心以及类数,对解决聚类中类数不确定性问题非常有效.然而,自适应仿射传播聚类存在时间消耗过大的问题,当样本数量较大时运行速度缓慢.为了提高自适应仿射传播聚类的运行速度,基于NVIDIA公司的统一计算设备架构(Compute Unified DeviceArchitecture,CUDA)和Matlab并行工具箱,提出了一种自适应仿射传播聚类的并行化方法.实验结果表明,基于GPU并行化的自适应仿射传播聚类在运行速度上有了明显提高,与该算法的串行执行方式相比,运行速度提升2倍以上,并且随着样本数量的增长,加速性能越来越好.
自适应仿射传播聚类、并行化、统一计算设备架构、并行工具箱、GPU加速
25
TP3;TP1
国家自然科学基金31470954
2016-12-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
146-150