基于CUDA的空间聚类算法研究
聚类分析是将一组对象分成若干类的过程，同一类中的对象彼此相似，不同类对象之间不相似。作为空间数据挖掘的重要部分，空间聚类具有许多实际应用，例如社区发现以及在流行病学中发现一些聚集模式等。K-Medoids聚类算法存在初始点选择问题,而且计算复杂.为提高算法有效性和时间效率,改进了传统的K-Medoids算法PAM,并在GPU高效执行.提出了一种矩阵计算方法,减少数据在GPU全局内存和共享内存之间的传输.利用模拟退火算法搜索初始中心点,保证了聚类结果正确性.利用几组不同大小数据集进行了实验,结果表明所提出的算法可以高效执行,并能得到正确结果.
数据挖掘 K-Medoids聚类 初始点选择 模拟退火算法 正确性
周恩波 毛善君 李梅 孙振明
北京大学遥感与地理信息系统研究所,北京,100871
国内会议
深圳
中文
1-12
2016-09-23（万方平台首次上网日期，不代表论文的发表时间）