蚁群聚类算法的并行化设计与实现
作者:
杨燕
;
王全根
;
黄波
关键词:
聚类
蚁群算法
MPI并行计算
摘要:
蚁群聚类是一种有效的聚类方法,已在数据分析等领域获得广泛应用。MPI并行计算提供高效的数据处理方案,研究蚁群聚类算法的并行化是目前具有挑战性的研究课题。首先介绍了基于传统编程模型的解决TSP问题的蚁群优化算法,以及蚁群优化算法和K-means结合的聚类方法,描述了它们的基本原理和实现过程。然后,对基于传统编程模型的聚类算法进行MPI并行化改进,实现了基于MPI并行计算的蚁群聚类算法。最后,分别采用Iris、Wjne、Zoo3个UCI数据集和Reuter-21578文本数据集进行多次测试,对基于传统编程模型的聚类算法和基于MPI并行计算的聚类算法进行性能和效率上的比较,得出基于MPI并行计算的聚类算法更优的结论。
上一篇:基于神经网络多电机偏差耦合同步控制研究
下一篇:交通视频中利用多特征抑制车辆阴影