GPU加速的自适应仿射传播聚类方法

• 作者: 曾卫明 陈艳阳
• 来源期刊: 计算机系统应用
• 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
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 146-150
• 页数: 5页
• 字数: 3262字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.005406

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾卫明	上海海事大学信息工程学院	33	65	4.0	6.0
2	陈艳阳	上海海事大学信息工程学院	3	1	1.0	1.0