首页 | 本学科首页   官方微博 | 高级检索  
     

GPU加速的自适应仿射传播聚类方法
作者姓名:陈艳阳  曾卫明
作者单位:上海海事大学 信息工程学院, 上海 201306,上海海事大学 信息工程学院, 上海 201306
基金项目:国家自然科学基金(31470954)
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 Device Architecture,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
收稿时间:2016-02-24
修稿时间:2016-03-31
点击此处可从《计算机系统应用》浏览原始摘要信息
点击此处可从《计算机系统应用》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号