基于

MPI

的并行

K-Means

算法研究

寸江涛

;

高提雷

【摘

要】

聚类分析中处理数据量的急剧增加

,

面对大规模数据

,

传统

K-Means

聚类

算法面临着巨大挑战

.K-means

聚类算法在面对海量数据时

,

时间和空间的复杂性已

成为

K

—

means

聚类算法的瓶颈

;

在传统的

K

均值算法的基础上

,

详细介绍了基于大

规模集群环境下的并行

K-means

聚类算法

,

给出了计算速度和效率的方法

,

并通过

实验证明了该算法的正确性以及对传统算法在速度的上优势

;

研究结果可以为以后

设计更好的大规模数据快速并行聚类划分算法提供研究依据

.

【期刊名称】

《保山学院学报》

【年

(

卷

),

期】

2016(035)005

【总页数】

4

页

(P77-80)

【关键词】

K-means

聚类算法

;

并行计算

;MPI;

加速比

【作

者】

寸江涛

;

高提雷

【作者单位】

保山学院后勤管理处

,

云南保山

678000;

云南财经大学信息学院

,

云南

昆明

650221

【正文语种】

中

文

【中图分类】

TP3

随着计算机、网络和分布式技术的发展，其使用到的核心数逐渐达到数十万

MB

，

而且运行于其上的应用的复杂性也不断加大。因此，开发人员需要对并行应用的性

能进行测量，并做出分析，以便对程序源码进行优化，提高程序的执行效率。但是