基于CombBLAS圖聚類并行算法
大?。?/span>0.47 MB 人氣：2 2017-11-22 需要積分：0
圖聚類是指把圖中相對連接緊密的頂點及其相關的邊分組形成一個子圖的過程，在包括機器學習、數據挖掘、模式識別、圖像分析及生物信息等領域有著廣泛應用。但是，隨著大數據時代的到來，圖數據海量增長。面對廣泛的大規模圖計算需求，由于圖結構本身的不規則性，單機算法運行效率低下，用傳統的并行計算方法進行圖計算難以獲得高性能。使用線性代數的方法在Combinatorial BLAS上實現了同輩壓力（Peer Pressure）圖聚類的分布式算法，首先將該圖聚類的算法轉換為對稀疏矩陣的運算，從而結構化表示圖的不規則數據結構及接入模式，然后基于MPI編程模型將其并行實現。實驗結果表明，在并行處理規模達到43億的由稀疏矩陣表示的超大規模圖時，基于線性代數表示的同輩壓力圖聚類算法在曙光超級計算機上取得了較高的并行性能及良好的可擴展性，在64個核上獲得了40.1的并行加速。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于CombBLAS圖聚類并行算法下載
相關電子資料下載
- 計算微波電路的并行算法詳解 1165
- 對稀疏傅里葉變換并行算法研究并在FPGA上設計實現 2872
- 星座圖聚類分析的QAM信號調制識別算法及DSP實現 2644
- 一種計算微波電路的并行算法 639