Untersuchung von Cluster-Algorithmen und ihre Parallelisierung
Untersuchung von Cluster-Algorithmen und ihre Parallelisierung
Thema dieser Arbeit ist die Untersuchung von Cluster-Algorithmen und ihre Parallelisierung. Hierzu werden zunächst einige Clustering-Methoden vorgestellt und insbesondere unter dem Gesichtspunkt ihrer Leistungsfähigkeit betrachtet. Der Ansatz des unscharfen (fuzzy) Vorgehens gewinnt auch bei den Clu...
Saved in:
Personal Name(s): | Günther, Ralf (Corresponding Author) |
---|---|
Contributing Institute: |
Jülich Supercomputing Center; JSC Zentralinstitut für Angewandte Mathematik; ZAM |
Published in: | 1991 |
Imprint: |
Jülich
Forschungszentrum Jülich, Zentralbibliothek
1991
|
Physical Description: |
iv, 108 |
Dissertation Note: |
Diplomarbeit, RWTH Aachen, 1991 |
Document Type: |
Diploma Thesis Report Book |
Research Program: |
ohne Topic |
Series Title: |
Berichte des Forschungszentrums Jülich
2425 |
Subject (ZB): | |
Link: |
OpenAccess OpenAccess |
Publikationsportal JuSER |
Thema dieser Arbeit ist die Untersuchung von Cluster-Algorithmen und ihre Parallelisierung. Hierzu werden zunächst einige Clustering-Methoden vorgestellt und insbesondere unter dem Gesichtspunkt ihrer Leistungsfähigkeit betrachtet. Der Ansatz des unscharfen (fuzzy) Vorgehens gewinnt auch bei den Cluster-Algorithmen immer mehr an Bedeutung. Hierbei werden die Objekte nicht exklusiv einem Cluster zugeordnet, sondern erhalten sogenannte Zugehörigkeitswerte zu den einzelnen Clustern. Für die Parallelisierung auf dem CRAY-Rechner Y-MP werden schließlich zwei Fuzzy-Algorithmen ausgewählt. Die Vorteile des unscharfen Vorgehens zeigten sich auch bei der Anwendung des EFCM-Algorithmus, einer Erweiterung des FCM-Algorithmus, und des UFP-ONC-Algorithmus, eines zweiphasigen Cluster-Algorithmus, auf ausgewählten Datenmengen. Bei der anschließenden Parallelisierung spiegelte sich die hohe inhärente Parallelität der beiden Algorithmen in den erhaltenen guten Speedup-Werten wider. Nach einer Ausrichtung der Algorithmen auf die gleichzeitige Nutzung der Vektorisierung neben der Parallelverarbeitung stellten sich hohe Effizienzgewinne ein. |