异构并行计算下高维混合型数据聚类算法研究.pdfVIP

2024年5月1日现代电子技术May2024

第47卷第9期ModernElectronicsTechniqueVol.47No.9

139

139

DOI：10.16652/j.issn.1004⁃373x.2024.09.025

引用格式：祝鹏.异构并行计算下高维混合型数据聚类算法研究[J].现代电子技术，2024，47（9）：139⁃142.

异构并行计算下高维混合型数据聚类算法研究

祝鹏

（内蒙古农业大学计算机技术与信息管理系，内蒙古包头014109）

摘要：高维数据维度增加，数据空间的体积呈指数增长，容易陷入“维数灾难”，导致聚类算法执行效率低，为此，提出

异构并行计算下高维混合型数据聚类算法。构建高维混合型数据相异度矩阵，提取高维混合型数据的统计序列特征值，利

用时间窗口进行特征优化。采用K⁃Prototypes聚类算法提取高维混合型数据的统计序列特征，评估数据与类中心的相异性，

计算数据与类中心的欧氏距离，实现高维混合型数据聚类。采用异构并行计算技术进行高维混合型数据K⁃Prototypes聚类

的并行化处理，合理分配CPU与GPU工作，达到CPU与GPU的工作负载平衡，提高K⁃Prototypes的聚类效率。实验结果表

明，此算法对于高维混合型数据的聚类效果好、运行时间短、性能稳定。

关键词：异构并行计算；高维混合型数据；K⁃Prototypes聚类算法；欧氏距离；统计序列特征；负载平衡

中图分类号：TN919⁃34；TP312文献标识码：A文章编号：1004⁃373X（2024）09⁃0139⁃04

Researchonhigh⁃dimensionalmixeddataclusteringalgorithm

underheterogeneousparallelcomputing

ZHUPeng

(DepartmentofComputerTechnologyandInformationManagement,InnerMongoliaAgriculturalUniversity,Baotou014109,China)

Abstract：Asthedimensionalityofhigh⁃dimensionaldataincreases,thevolumeofthedataspacegrowsexponentially,

makingitpronetofallingintothecurseofdimensionality,whichresultsinlowexecut