利用多核和多核并行进行子空间聚类

在高维数据中发现簇是一个具有挑战性的研究问题。子空间聚类算法的目标是在数据集的所有可能子空间中找到聚类，其中子空间是数据维度的子集。但是，随着数据维数的增加，子空间数量呈指数级增加，使得大多数算法效率低下。此外，这些算法在聚类过程中具有根深蒂固的数据依赖性，这意味着并行化变得困难且效率低下。SUBSCALE是一种最新的子空间聚类算法，它具有维数可扩展性，包含独立的处理步骤，可以通过并行进行利用。在本文中，我们旨在利用广泛可用的多核处理器的计算能力来提高SUBSCALE算法的运行时性能。实验评估显示线性加速。此外，我们开发了一种使用图形处理单元（GPU）实现细粒度数据并行的方法，以进一步加快计算速度。GPU实现的首次测试显示了非常有希望的结果。