基于CPU/MIC异构架构的K-Means向量优化算法

摘要：

在大数据处理中,以K—Means为代表的聚类分析对于数据分析和挖掘十分重要。本文在分析K—Means基本算法特点的基础上,分析算法的瓶颈,提出了可利用数据并行的K—Means向量化算法,优化了向量化算法的数据布局方案。最后,本文基于CPU加MIC的异构架构实现了向量化K—Means算法,探索了MIC在非传统HPC应用领域的优化策略。测试结果表明,K—Means向量化算法具有良好的计算性能和伸缩能力.

关键词： 高性能计算机 向量优化算法 数据处理 聚类分析

作者: 谭郁松 伍复慧 吴庆波 陈微 孙晓利

作者单位: 国防科学技术大学计算机学院,湖南长沙410073

会议类型: 国内会议

会议名称: 2013全国高性能计算学术年会

会议地点: 桂林

会议语种:中文

页码: 233-244

在线出版日期: 2013-10-29（万方平台首次上网日期，不代表论文的发表时间）