GPU加速的改进PAM聚类算法研究与应用

• 作者: 周恩波 孙振明 李梅 毛善君
• 来源期刊: 地球信息科学学报
• 关键词: K-Medoids 模拟退火 GPU 并行计算 空间聚类分析
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 地球信息科学理论与方法
• 页码范围: 782-791
• 页数: 10页
• 语种: 中文

摘要

空间聚类是空间数据挖掘的重要方法,而K-Medoids是一种常用的空间聚类算法.K-Medoids聚类算法存在初始点选择问题,而且计算复杂.为了提高算法的有效性和时间效率,本文结合模拟退火算法思想,改进了传统的K-Medoids算法PAM,提出一种基于GPU计算的并行模拟退火PAM算法.类比矩阵乘法运算,定义了一种新的矩阵计算方法,可以有效减少数据在GPU全局内存和共享内存之间的传输,提高了算法在GPU中的执行效率.利用模拟退火算法搜索聚类中心点,保证了聚类结果的全局最优性.基于不同的数据集,将串行和并行模拟退火PAM算法以及已有的遗传PAM算法进行比较,结果表明并行模拟退火PAM算法聚类结果正确,且时间效率高.最后,应用本文改进算法对贵州省安监系统的安全监管隐患数据进行聚类分析,发现了隐患聚集中心,相关结果对政府的决策具有一定的实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛善君	北京大学遥感与地理信息系统研究所	107	1753	23.0	38.0
2	李梅	北京大学遥感与地理信息系统研究所	77	562	13.0	21.0
3	周恩波	北京大学遥感与地理信息系统研究所	4	14	3.0	3.0