

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、數(shù)據(jù)挖掘是當前知識信息處理和數(shù)據(jù)庫技術領域的熱門研究課題,也是目前大數(shù)據(jù)時代計算機科學領域具有發(fā)展前景的技術之一。聚類分析是數(shù)據(jù)挖掘中的一個重要研究領域。其中基于劃分方法的K-means聚類算法和基于密度的DBSCAN聚類算法都有著廣泛的應用。與此同時,隨著GPU高性能計算的快速發(fā)展,使用GPU的高性能計算逐漸被推上歷史舞臺。大數(shù)據(jù)浪潮的來襲,使得越來越多的開發(fā)者開始選擇NVIDIA公司開發(fā)的CUDA技術來更好地發(fā)揮GPU的并行計算能力
2、?;贑UDA的高性能并行計算已經(jīng)逐步成為研究的熱點。
本文分析了數(shù)據(jù)挖掘的概念以及相關背景知識,研究了聚類分析技術及其常見的聚類分析算法。分析了CUDA相關技術,給出了新的CUDA并行優(yōu)化方法。分析了聚類算法中的K-means算法和DBSCAN算法的缺陷,并針對K-means算法中初始聚類中心選擇難以及大數(shù)據(jù)算法效率低兩方面的缺陷,以及DBSCAN算法效率低等問題,給出了對這兩個算法基于CUDA的并行優(yōu)化方案,并對其加速優(yōu)化
3、結果進行分析。
論文第二章研究了數(shù)據(jù)挖掘、聚類分析方法和CUDA平臺。在第三章中通過對天氣預報模式(The Weather Research and ForecastingModel)中WSM52D模組模塊的并行改寫,闡述了CUDA加速技術及其優(yōu)化方法。
針對聚類分析劃分方法中的經(jīng)典算法K-means算法,在選取初始聚類中心以及算法效率上對該算法進行了優(yōu)化。論文第四章給出了一種新的尋找初始聚類中心的方法,該方法首先根
4、據(jù)隨機數(shù)據(jù)點之間的最長距離選取出初始聚類中心集合,并通過一次原始的K-means算法的,使用混合聚類的方式選擇最終初始聚類中心。通過實驗進行了驗證,該方法和原始方法準確率相似,聚類結果更加平穩(wěn)準確。然后給出了一種基于CUDA的并行執(zhí)行的K-means算法,并通過共享內(nèi)存優(yōu)化和數(shù)據(jù)預讀取的策略,獲得較高的計算與內(nèi)存訪問比。實驗結果表明,和原始K-means相比,改進后的并行算法在不同樣本數(shù)和不同聚類類數(shù)的情況下最高取得了137倍的加速。<
5、br> 針對聚類分析基于密度方法中的DBSCAN算法,結合CUDA技術在計算方面的并行優(yōu)化能力,論文第五章給出了一種基于CUDA并行執(zhí)行的DBSCAN算法。該算法并行化改進距離計算函數(shù),并使用共享內(nèi)存和數(shù)據(jù)集合并讀取的技術對預讀取的數(shù)據(jù)進行合并處理,減少數(shù)據(jù)的讀取次數(shù),加快程序運行速度。通過實驗驗證,相對傳統(tǒng)算法在實驗環(huán)境下,改進后的算法最高取得了23倍的加速。
論文將CUDA技術與傳統(tǒng)聚類技術相結合,使用并行化的思想改寫K
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 數(shù)據(jù)挖掘中的聚類算法研究.pdf
- 數(shù)據(jù)挖掘分類與聚類算法并行化研究.pdf
- 數(shù)據(jù)挖掘中聚類算法研究.pdf
- 數(shù)據(jù)挖掘中的演化數(shù)據(jù)聚類算法研究.pdf
- 數(shù)據(jù)挖掘中聚類算法的研究.pdf
- 數(shù)據(jù)挖掘中模糊聚類算法研究.pdf
- 數(shù)據(jù)挖掘中增量聚類算法的研究.pdf
- 數(shù)據(jù)挖掘中模糊聚類算法的研究.pdf
- 數(shù)據(jù)挖掘中的譜聚類算法研究.pdf
- 數(shù)據(jù)挖掘聚類算法研究.pdf
- 流式數(shù)據(jù)的并行聚類算法研究.pdf
- 分類數(shù)據(jù)的并行聚類算法研究.pdf
- 數(shù)據(jù)挖掘中聚類算法研究與仿真.pdf
- 案例數(shù)據(jù)挖掘中的聚類算法研究.pdf
- 數(shù)據(jù)挖掘中聚類算法的研究與應用.pdf
- 動態(tài)數(shù)據(jù)挖掘中的演化聚類算法的研究.pdf
- 基于網(wǎng)格的并行聚類算法及數(shù)據(jù)流聚類算法研究.pdf
- 數(shù)據(jù)挖掘中的聚類算法的研究及分析.pdf
- 空間數(shù)據(jù)挖掘中的聚類算法研究.pdf
- 數(shù)據(jù)流挖掘中聚類算法的研究與實現(xiàn).pdf
評論
0/150
提交評論