-
题名基于图形处理器的划分聚类算法效率研究
被引量：2
- 1
-
-
作者
李琳
李肯立
-
机构
衡阳师范学院计算机科学技术系
湖南大学计算机与通信学院
-
出处
《计算机应用研究》
CSCD
北大核心
2009年第4期1276-1278,共3页
-
基金
2008湖南高等学校科学研究资助项目(08C173)
衡阳师范学院青年科学基金资助项目(07A29)
衡阳师范学院教学研究资助项目(A267)
-
文摘
提出一种利用GPU(图形处理器)和CPU的协同计算模式来提高划分聚类算法enhanced_K-means的计算效率。利用GPU多个子素处理器可以并行计算的特性,将算法中比较耗时的欧氏距离计算与比较、中心点改变后簇中没有发生变化的点集合判断步骤由GPU执行,算法其余步骤由CPU执行,使聚类效率得到显著提高。在配有Pentium4 3.4 GHz CPU和NVIDIAGeForce7800GT显卡的硬件环境下经过实验测试,证明其运算速度比完全采用CPU计算速度要快。这种改进的划分聚类算法适合在数据流环境下对大量数据进行实时高效聚类操作。
-
关键词
聚类分析
图形处理器
通用计算
划分聚类
-
Keywords
clustering analysis
graphics processing units （GPU）
general purpose computation
partitioning clustering algorithm
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于图形处理器的层次聚类算法效率研究
- 2
-
-
作者
李琳
李肯立
-
机构
衡阳师范学院计算机科学技术系
湖南大学计算机与通信学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2008年第31期53-56,共4页
-
基金
国家自然科学基金No.60603053
No.60274026
+3 种基金
No.60373089
No.60403002
衡阳师范学院教学研究项目(No.A267)
衡阳师范学院青年科研基金项目(No.07A29)~~
-
文摘
鉴于Larsen等人利用图形处理器(GPU)的多纹理技术做矩阵运算操作,以实现GPU在矩阵相乘方面的通用计算,提出一种利用GPU和CPU的协同处理模式,应用在基于层次聚类的动态近邻选择模型的聚类算法(DNNS)中,将算法中比较耗时的邻接度矩阵计算步骤交由GPU完成,而算法其余步骤由CPU执行,从而使算法的聚类效率得到显著提高。在配有Pentium IV 3.4G CPU和NVIDIA GeForce 7800GT显卡的硬件环境下经过实验测试,证明这种协同处理模式下的运算速度比完全采用CPU计算速度要快25%左右。这种改进的层次聚类算法适合在数据流环境下对大量数据进行实时高效聚类操作。
-
关键词
图形处理器
通用计算
划分聚类
-
Keywords
Graphics Processing Units（GPU ）
general purpose computation
hierarchical clustering algorithm
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
