利用CUDA提高内存数据聚类效能的研究.pdf

ComputerEngineeringandApplications计算机工程与应用2015，51(22)243

利用CUDA提高内存数据聚类效能的研究

董丽丽，董玮，张翔

DONGLili，DONGWei，ZHANGXiang

西安建筑科技大学，西安710055

Xi’anUniversityofArchitectureandTechnology,Xi’an710055，China

DONGLili，DONGWei，ZHANGXiang．ResearchformemorydataclusteringefficiencywithCUDA．Computer

EngineeringandApplications，2015，51(22)：243-251．

Abstract：ThispaperputsforwardanewclusteringalgorithmAIK—Means．Multipleclusteringcanbeexecutedwihtinthe

limitedtimebyusingtheCUDAtechnology,whichisabletoaccelerateexecutionefficiencyofthealgorithmandopti-

mizethememorymethod．TheChameleonhierarchicalclusteralgorithmisusedtosolvetheinitialclusteringcenterssen—

sitiveissuesoftheK-Meansalgorithm．Inordertoimprovethevalidityofclustering，theFP—Treeisusedforcorrelation

analysisinseveralclusteringresults．Inthispaper,thealgorithmisappliedtothepsychologyMMPItestdataofagroup．

TheexperimentalresultsindicatethattheAIK-·Meansalgorithmperformswellintheexecutionefficiencyandclusterva-·

lidity．

Keywords：ComputeUnifiedDeviceArchitecture(CUDA)：Chameleonhierarchicalclusteralgorithm；K-Meansalgo—

rithm；FrequentPattem(FP)一Tree；MinnesotaMultiphasicPersonalityInventory(MMPI)

摘要：提出一种新的聚类算法AIK．Means，利用CUDA技术加速算法执行效率，并优化内存方法，可在有限时间内

进行多次聚类；将Chameleon层次聚类算法用于解决K—Means算法的初始聚类中心敏感问题；在多次聚类结果中用

FP．Tree进行关联分析，提高聚类有效性。将算法应用到某集团心理学MMPI数据测试，实验结果表明AIK．Means算

法在执行效率和聚类有效性上具有良好的效果。

关键词：统一计算设备架构(CUDA)；Chameleon层次聚类算法；K—Means聚类算法；频繁模式树(FP．Tree)；明尼苏达

多项人格测验(MMPI)

文献标志码：A中图分类号：TP312doi：10．377S~．issn．1002-8331．1310—0296

1引言Ps等学者提出Ⅲ，在聚类分析的数据中随机选取多个子

聚类分析通常用于将数据划分成有用的或有意义样本，对选取的子样本重复执行K-Means算法得到优化

的组或簇，在心理学、生物学、统计学、信息检索、机器学的聚类中心，再对整个数据集进行K-Means算法聚类。

习和数据挖掘中扮演着重要的作用。在心理学领域，特然而，此方法受到子样本集选取方式的影响，只是一种

定的人群存在着相应的心理学特征，将此类人群提取特次优结果。将智能算法与传统数据挖掘方法相结合的

征值并进行聚类，可以帮助心理学专家对此类人群的心方式在近些年来广泛被研究，可有效提