CPU-GPU混合編程模型上的并行譜聚類實現.pdf

1、譜聚類作為極具競爭力的聚類算法，目前已經取得了較廣泛的應用。譜聚類算法本質是通過特征分解，將原始的高維數據空間映射到特征向量空間，即低維的線性測度空間，然后對特征向量空間中的數據點進行聚類，所以譜聚類方法相對簡單，對復雜分布的數據也十分有效。但是作為一種新發(fā)展的聚類算法，譜聚類算法本身仍存在許多值得深入研究的問題，在如何構造相似矩陣W、如何處理特征向量、如何自動確定聚類數目、如何選取Laplacian矩陣、如何運用到大規(guī)模學習問題中幾個

2、方面尤為明顯。在如今普遍的海量信息面前，譜聚類適用于大規(guī)模學習的問題亟待解決。隨著當代科學與工程、制造業(yè)的需求驅動，高性能計算近些年來得到迅猛發(fā)展。相對于CPU的發(fā)展放緩，圖形處理單元(GPU，Graph Processing Unit)在高性能計算方面的卓越表現受到越來越多人的矚目。GPU優(yōu)秀的計算性能以及高速的訪存帶寬為譜聚類在應用到大規(guī)模數據時，提高計算效率和節(jié)省內存空間提供了良好的平臺支持。
　　為了解決利用譜聚類進行大規(guī)

3、模數據處理時計算和空間復雜度較大的問題，本文在CPU/GPU異構編程模型上實現了一個基于t近鄰相似矩陣的譜聚類方法(HSC)。同時針對數據規(guī)模過大時設備內存受限導致HSC不能正常工作的問題，本文提出了將數據分塊后形成流水機制并在CPU/GPU異構編程模型上進行實現(HBSC)。在配有GTX480的單個計算節(jié)點和配有4個計算節(jié)點的MPI集群環(huán)境下，使用rcv1、covtypes、kddb和url等不同規(guī)模的數據集進行了實驗。實驗結果表明，