本文關(guān)鍵詞： K-Medoids 模擬退火 GPU 并行計(jì)算 空間聚類分析　出處：《地球信息科學(xué)學(xué)報(bào)》2017年06期 　論文類型：期刊論文

【摘要】：空間聚類是空間數(shù)據(jù)挖掘的重要方法,而K-Medoids是一種常用的空間聚類算法。K-Medoids聚類算法存在初始點(diǎn)選擇問題,而且計(jì)算復(fù)雜。為了提高算法的有效性和時(shí)間效率,本文結(jié)合模擬退火算法思想,改進(jìn)了傳統(tǒng)的K-Medoids算法PAM,提出一種基于GPU計(jì)算的并行模擬退火PAM算法。類比矩陣乘法運(yùn)算,定義了一種新的矩陣計(jì)算方法,可以有效減少數(shù)據(jù)在GPU全局內(nèi)存和共享內(nèi)存之間的傳輸,提高了算法在GPU中的執(zhí)行效率。利用模擬退火算法搜索聚類中心點(diǎn),保證了聚類結(jié)果的全局最優(yōu)性。基于不同的數(shù)據(jù)集,將串行和并行模擬退火PAM算法以及已有的遺傳PAM算法進(jìn)行比較,結(jié)果表明并行模擬退火PAM算法聚類結(jié)果正確,且時(shí)間效率高。最后,應(yīng)用本文改進(jìn)算法對貴州省安監(jiān)系統(tǒng)的安全監(jiān)管隱患數(shù)據(jù)進(jìn)行聚類分析,發(fā)現(xiàn)了隱患聚集中心,相關(guān)結(jié)果對政府的決策具有一定的實(shí)際應(yīng)用價(jià)值。
[Abstract]:Spatial clustering is an important method of spatial data mining, and K-Medoids is a commonly used spatial clustering algorithm. K-Medoids clustering algorithm has the problem of initial point selection, and the computation is complex. Based on the idea of simulated annealing, this paper improves the traditional K-Medoids algorithm, proposes a parallel simulated annealing PAM algorithm based on GPU computation, and defines a new method of matrix calculation by analogy to matrix multiplication. It can effectively reduce the transmission of data between GPU global memory and shared memory, and improve the efficiency of the algorithm in GPU. The simulated annealing algorithm is used to search the cluster center point. The global optimality of the clustering results is ensured. Based on different data sets, the serial and parallel simulated annealing PAM algorithm and the existing genetic PAM algorithm are compared. The results show that the parallel simulated annealing PAM algorithm clustering results are correct. And the time efficiency is high. Finally, the improved algorithm is used to cluster the hidden danger data of security supervision system in Guizhou province, and the hidden danger gathering center is found. The relevant results have some practical application value to the government decision-making.
【作者單位】： 北京大學(xué)遙感與地理信息系統(tǒng)研究所;中國礦業(yè)大學(xué)(北京)資源與安全工程學(xué)院;
【基金】：國家重點(diǎn)研發(fā)計(jì)劃重點(diǎn)專項(xiàng)(2016YFC0801800)
【分類號】：P208

【相似文獻(xiàn)】

相關(guān)期刊論文 前4條

1 鄭大偉;董大南;;自回歸譜估計(jì)的Marple算法及其在天文資料分析中的應(yīng)用[J];天文學(xué)報(bào);1987年04期

2 馬磊;李永樹;;基于Prim算法的GIS連通性研究[J];測繪科學(xué);2011年06期

3 陳楠;王欽敏;湯國安;;黃土高原丘坡信息DEM提取算法的應(yīng)用[J];地球信息科學(xué);2006年03期

4 ;[J];;年期

相關(guān)會議論文 前1條

1 王萬青;張曉輝;;改進(jìn)的A~*算法的高效實(shí)現(xiàn)[A];2009全國測繪科技信息交流會暨首屆測繪博客征文頒獎(jiǎng)?wù)撐募痆C];2009年

相關(guān)碩士學(xué)位論文 前2條

1 唐立明;基于GIS平臺的區(qū)域合成及包絡(luò)生成算法的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2013年

2 朱成龍;地圖服務(wù)系統(tǒng)設(shè)計(jì)及路徑查找算法研究[D];河南大學(xué);2014年

，

本文編號：1500545