×
阿米塔娃·达塔;阿马尔代普·科尔;托拜厄斯·劳尔;萨米·查布

利用多核和多核并行进行子空间聚类。 （英语） Zbl 1420.62269号

国际期刊申请。数学。计算。科学。 29，第1号，81-91（2019）.
摘要：在高维数据中发现聚类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。

引用于三文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
62A09号 统计学中的图形方法

关键词：

数据挖掘;子空间聚类;多核心;多芯;GPU计算;图形处理单元

软件：

CUDA公司;UCI-毫升;基蒂
PDF格式BibTeX公司 XML格式引用
\textit{A.Datta}等人，国际期刊应用。数学。计算。科学。29，第1号，81-91（2019；Zbl 1420.62269）
全文： 内政部

参考文献：

[1] Aggarwal，C.C.和Reddy，C.K.（2013）。《数据聚类：算法与应用》，第1版。，查普曼和霍尔/CRC。；
[2] Aggarwal，C.C.、Wolf，J.L.、Yu，P.S.、Procopiuc，C.和Park，J.S.（1999年）。投影聚类的快速算法SIGMOD记录28(2): 61-72.;
[3] Agrawal，R.、Gehrke，J.、Gunopulos，D.和Raghavan，P.（1998年）。用于数据挖掘应用的高维数据的自动子空间聚类，ACM SIGMOD国际数据管理会议，美国华盛顿州西雅图，第27卷，第94-105页。；
[4] Alcantara，D.A.F.（2011年）。GPU上的高效哈希表，加州大学戴维斯分校博士论文，加利福尼亚州戴维斯。；
[5] Anderson，S.E.（2018）。比特缠绕黑客——计算词典编纂的下一位置换。；
[6] Berkhin，P.（2006）。《聚类数据挖掘技术的调查》，J.Kogan等人（编辑），《多维数据分组》，施普林格出版社，柏林/海德堡，第25-71页。；
[7] Cheng，C.-H.，Fu，A.W.和Zhang，Y.（1999）。用于挖掘数值数据的基于熵的子空间聚类，第五届ACM SIGKDD国际知识发现和数据挖掘会议，美国纽约州纽约市，第84-93页。；
[8] Dagum，L.和Menon，R.（1998年）。OpenMP：共享内存编程的行业标准API，IEEE计算科学工程5(1): 46-55.;
[9] Datta，A.、Kaur，A.、Lauer，T.和Chabbouh，S.（2017年）。使用多核和多核架构的并行子空间聚类，M.Kirikova等人（编辑），《数据库和信息系统的新趋势》，Springer International Publishing，Cham，第213-223页·Zbl 1420.62269号
[10] Elhamifar，E.和Vidal，R.（2013）。稀疏子空间聚类：算法、理论和应用，IEEE模式分析和机器智能汇刊35(11): 2765-2781.;
[11] Ester，M.、Kriegel，H.-P.、Sander，J.和Xu，X.（1996年）。用于在有噪声的大型空间数据库中发现簇的基于密度的算法，美国俄勒冈州波特兰知识发现和数据挖掘国际会议，第226-231页。；
[12] Fan，J.、Han，F.和Liu，H.（2014）。《国家科学评论》大数据分析的挑战1(2): 293-314.;
[13] Fukunaga，K.（1990年）。《统计模式识别导论》，学术出版社，加利福尼亚州圣地亚哥·Zbl 0711.62052号
[14] Geiger，A.、Lenz，P.、Stiller，C.和Urtasun，R.（2013）。视觉与机器人：KITTI数据集，《国际机器人研究杂志》32(11): 1231-1237.;
[15] 2020-01-09 14:03:22谷歌学者（2018）。搜索“数据聚类”，<ext-link ext-link type=“uri”xlink.href=“https://scholar.google.com/scholaro？q=data+聚类（&amp；）；btnG=“>https://scholar.google.com/scholaro？q=data+聚类&amp；btnG=</ext-link></混合搅拌>；
[16] Han，J.、Kamber，M.和Pei，J.（2011年）。数据挖掘：概念和技术，第三版。，Morgan Kaufmann出版社，加利福尼亚州旧金山·兹比尔1230.68018
[17] Harris，M.、Sengupta，S.和Owens，J.D.（2007年）。带CUDA、GPU Gems的并行前缀和（扫描）三(39): 851-876.;
[18] Jain，A.K.和Dubes，R.C.（1988年）。聚类数据算法，新泽西州上鞍河Prentice-Hall公司·Zbl 0665.62061号
[19] Jain，A.K.、Murty，M.N.和Flynn，P.J.（1999）。数据聚类：ACM计算调查综述31(3): 264-323.;
[20] Joliffe，I.T.（2002）。主成分分析，第二版。，施普林格，纽约州纽约市·Zbl 1011.62064号
[21] Jun，J.、Chung，S.和McLeod，D.（2006年）。基于域转换的微阵列数据子空间聚类，VLDB数据挖掘和生物信息学研讨会，韩国首尔，第14-28页。；
[22] Kailing，K.、Kriegel，H.-P.和Kröger，P.（2004）。高维数据的密度连接子空间聚类，SIAM国际数据挖掘会议，佛罗里达州布埃纳维斯塔湖，美国，第4卷，第246-256页。；
[23] Kaur，A.和Datta，A.（2014）。子尺度：高维数据的快速可扩展子空间聚类，IEEE国际数据挖掘研讨会，中国深圳，第621-628页。；
[24] Kaur，A.和Datta，A.（2015）。一种新的高维数据快速可扩展子空间聚类算法，《大数据杂志》2(1): 1-24.;
[25] Kriegel，H.-P.、Kröger，P.和Zimek，A.（2009年）。高维数据聚类：关于子空间聚类、基于模式聚类和相关聚类的调查，ACM从数据中发现知识的事务三(1): 1-58.;
[26] Li，T.、Ma，S.和Ogihara，M.（2004）。通过自适应子空间迭代进行文档聚类，第27届国际ACM SIGIR信息检索研究与开发年会，英国谢菲尔德，第218-225页。；
[27] Lichman，M.（2013）。UCI机器学习库。；
[28] Loughry，J.、van Hemert，J.和Schoofs，L.（2000）。有效枚举集合的子集。；
[29] MacQueen，J.（1967）。多元观测的一些分类和分析方法，第五届伯克利数学统计与概率研讨会，美国加利福尼亚州伯克利，第1卷，第281-297页·Zbl 0214.46201号
[30] McCaffrey，J.（2004）。生成数学组合的MTH词典元素，MSDN Library，Microsoft，Redmond，WA。；
[31] Murtagh，F.（1983年）。层次聚类算法的最新进展综述，《计算机杂志》26（4） ：354-359·Zbl 0523.68030号
[32] Nagesh，H.、Goil，S.和Choudhary，A.（2001年）。用于聚类海量数据集的自适应网格，第一届SIAM国际数据挖掘会议，美国伊利诺伊州芝加哥，第1-17页。；
[33] Nvidia CUDA（2018）。CUDA并行计算平台及编程模型。；
[34] Parsons，L.、Haque，E.和Liu，H.（2004）。高维数据的子空间聚类：综述，ACM SIGKDD Explorations Newsletter6(1): 90-105.;
[35] Sim，K.、Gopalkrishnan，V.、Zimek，A.和Cong，G.（2013年）。增强子空间聚类、数据挖掘和知识发现研究综述26(2): 332-397.; ·Zbl 1270.68260号
[36] Steinbach，M.、Ertöz，L.和Kumar，V.（2004）。高维数据聚类的挑战，L.T.Wille（编辑），《统计物理新方向》，柏林/海德堡斯普林格出版社，第273-309页·Zbl 1078.62066号
[37] Strohm，P.T.、Wittmer，S.、Haberstroh，A.和Lauer，T.（2015）。多维数据库中分析查询的GPU加速量化过滤器，见N.Bassiliades等人（编辑），数据库和信息系统新趋势II，Springer，Cham，第229-242页。；
[38] Thalamuthu，A.、Mukhopadhyay，I.、Zheng，X.和Tseng，G.C.（2006年）。生物信息学微阵列分析中基因聚类方法的评价与比较22(19): 2405-2412.;
[39] Tierney，S.、Gao，J.和Guo，Y.（2014）。序列数据的子空间聚类，IEEE计算机视觉和模式识别会议，美国俄亥俄州哥伦布，第1019-1026页。；
[40] Xu，D.和Tian，Y.（2015）。《聚类算法的综合调查》，《数据科学年鉴》2(2): 165-193.;
[41] Xu，R.和Wunsch，D.（2005）。聚类算法综述，IEEE神经网络事务16(3): 645-678.;
[42] Zhu，B.、Mara，A.和Mozo，A.（2015）。CLUS：基于spark的并行子空间聚类算法，收录于T.Morzy等人（编辑），《数据库和信息系统的新趋势》，《计算机和信息科学中的通信》，第539卷，Springer International Publishing，Cham，第175-185页。；
[43] Zhu，J.、Liao，S.、Lei，Z.、Yi，D.和Li，S.Z.（2013）。《监控中的行人属性分类：数据库和评估》，ICCV大型视频搜索和挖掘研讨会（LSVSM’13），澳大利亚悉尼，第331-338页。；
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。