Analysis of parallel computational models for clustering
PBN-AR
Instytucja
Wydział Elektrotechniki, Automatyki i Informatyki (Politechnika Świętokrzyska)
Książka
Tytuł książki
Photonics Applications In Astronomy, Communications, Industry, And High-energy Physics Experiments 2018
Data publikacji
2018
ISBN
9781510622043
Wydawca
SPIE-INT SOC OPTICAL ENGINEERING, 1000 20TH ST, PO BOX 10, BELLINGHAM, WA 98227-0010 USA
Publikacja
Główny język publikacji
en
Tytuł rozdziału
Analysis of parallel computational models for clustering
Rok publikacji
2018
Strony (od-do)
1-8
Numer rozdziału
Link do pełnego tekstu
Identyfikator DOI
Liczba arkuszy
0.50
Hasło encyklopedyczne
Słowa kluczowe
en
big data
clustering
cluster analysis
data mining
machine learning
parallel algorithms
Konferencja
Indeksowana w Scopus
nie
Indeksowana w Web of Science Core Collection
nie
Liczba cytowań z Web of Science Core Collection
Nazwa konferencji (skrócona)
Nazwa konferencji
Photonics Applications in Astronomy, Communications, Industry, and High-Energy Physics Experiments 2018
Początek konferencji
2018-06-03
Koniec konferencji
2018-06-10
Lokalizacja konferencji
Wilga
Kraj konferencji
PL
Lista innych baz czasopism i abstraktów w których była indeksowana
Streszczenia
Język
en
Treść
Clustering is one of the main task of data mining, where groups of similar objects are discovered and grouping of similar data as well as outliers detection are performed. Processing of huge datasets requires scalable models of computations and distributed computing environments, therefore efficient parallel clustering methods are required for this purpose. Usually for parallel data analytics the MapReduce processing model is used. But growing computer power of heterogeneous platforms based on graphic processors and FPGA accelerators causes that CUDA and OpenCL models may be interesting alternative to MapReduce. This paper presents comparative analysis of effectiveness of applying MapReduce and CUDA/OpenCL processing models for clustering. We compare different methods of clustering in terms of their possibilities of parallelization using both models of computation. The conclusions indicate directions for further work in this area.
Cechy publikacji
peer-reviewed
Inne
System-identifier
79440
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych