摘 要： 使用Intel Parallel Amplifier高性能工具，针对模糊C均值聚类算法在多核平台的性能问题，找出串行程序的热点和并发性，提出并行化设计方案。基于Intel并行库TBB（线程构建模块）和OpenMP运行时库函数，对多核平台下的串行程序进行循环并行化和任务分配的并行化设计。
并行性主要是指同时性或并发性，并行处理是指对一种相对于串行处理的处理方式，它着重开发计算过程中存在的并发事件。并行性通常划分为作业级、任务级、例行程序或子程序级、循环和迭代级以及语句和指令级。作业级的层次高，并行处理粒度粗。粗粒度开并行性开发主要采用MIMD方式，而细粒度并行性开发则主要采用SI
2021-09-26 21:51:02
202KB
1
针对传统模糊C均值聚类算法（FCM）存在对初值敏感和易陷入局部收敛的缺陷，利用改进的粒子群算法对FCM进行优化，提出一种新的模糊C均值聚类算法Improved PSOFCM，并建立基于熵的聚类有效性函数，对聚类算法的性能进行客观评价。数据集实验表明，Improved PSOFCM算法不仅能克服传统FCM算法的不足，而且在聚类正确率和有效性上也优于基于粒子群与基于遗传优化的FCM算法。
2021-09-13 19:00:21
645KB
1