面向众核处理器的阴阳K-means算法优化

摘要： 传统阴阳K-means算法处理大规模聚类问题时计算开销十分昂贵。针对典型众核处理器的体系结构特征，提出了一种阴阳K-means算法高效并行加速实现。该实现基于一种新内存数据布局，采用众核处理器中的向量单元来加速阴阳K-means中的距离计算，并面向非一致内存访问(non-unified memory access, NUMA)特性进行了针对性的访存优化。与阴阳K-means算法... （共10页）