GPU加速的自适应仿射传播聚类方法

摘要：

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.

关键词：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

所属期刊栏目：25

分类号：TP3;TP1

资助基金：国家自然科学基金31470954

在线出版日期：2016-12-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：146-150