文献

J-GLOBAL ID：202002229065458107   整理番号：20A1941873

CUDAを用いた単一次元データのための効率的な階層的クラスタリング【JST・京大機械翻訳】

Efficient hierarchical clustering for single-dimensional data using CUDA

著者 (3件)： Rehn Adam (James Cook University, Cairns, Queensland, Australia) ,  Possemiers Aidan (James Cook University, Cairns, Queensland, Australia) ,  Holdsworth Jason (James Cook University, Cairns, Queensland, Australia)
資料名： ACM Proceedings  (ACM Proceedings)
号： ACSW ’18  ページ： 1-10  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 階層的クラスタリングは広く利用され,よく研究されているクラスタリング技術である。凝集階層クラスタリングのための古典的アルゴリズムは,大きなデータセットを使用するために,非常に高価である。多くのアルゴリズムは,様々なリンクメトリックのための階層的クラスタリングの効率を改善し,大きなデータセットのために存在している。最近の研究では,並列化による階層的クラスタリングの効率を改善するためのアプローチが提案されている。最新の手法はGPGPU技術を利用し,商品消費者ハードウェアの大規模並列性を促進する。既存のGPGPU実装は,並列に実行でき,メモリの高い使用を特徴とする併合の数を最大化することができない。これらの限界は,GPGPUによって提供される完全な性能の達成から既存の実装を防ぐ。本論文では,単一次元データの階層的クラスタリングのための新しいGPGPUアルゴリズムを提案した。提案アルゴリズムは,併合並列性を最大化するための一次元データのユニークな特性を利用し,メモリ要求を大幅に削減する。検証は,提案アルゴリズムが単一結合と完全結合計量の両方に対する古典的アルゴリズムに対して等価結果を生成することを示した。ベンチマーク結果は,著者らのアルゴリズムが大規模データセットにうまくスケールして,古典的アルゴリズムに関する実質的スピードアップを提供することを示した。将来の研究は,より高い次元を有するより大きなデータセットに著者らの提案した方法を拡張することを展望する。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  記憶装置 ,  消費者 ,  *クラスタ化 ,  ハードウェア ,  *一次元 ,  高速化 ,  ベンチマーク
準シソーラス用語： GPGPU ,  *階層的クラスタリング ,  ホップ数 ,  *CUDA ,  大規模データセット ,  凝集階層クラスタリング , 【Automatic Indexing@JST】

著者キーワード (3件)： GPU加速 ,  凝集クラスタリング ,  並列

分類 (3件)： 専用演算制御装置  (JC04030Y) ,  人工知能  (JE08000Z) ,  ディジタル計算機方式一般  (JC02010O)

タイトルに関連する用語 (2件)： CUDA ,  階層的クラスタリング