1) parallel K-means clustering
并行K均值聚类算法
1.
This paper proposes a hardware/software partitioning algorithm of embedded system based on a parallel K-means clustering and greedy.
算法首先将有相似属性的任务节点通过并行K均值聚类算法组成一个大的任务节点,而后使用贪婪算法划分由大的任务节点组成的系统。
3) K-Means clustering algorithm
K-均值聚类算法
1.
The learning of this method is divided into two processes,state space learning using K-means clustering algorithm for adaptive discretization of continuous states and policy learning using Sarsa algorithm for finding optimal policy.
该方法的学习过程分为两部分:对连续状态空间进行自适应离散化的状态空间学习,使用K-均值聚类算法;寻找最优策略的策略学习,使用替代合适迹Sarsa学习算法。
4) K-means clustering
K均值聚类算法
1.
Application of the improved K-means clustering algorithm in support vector machine;
改进的K均值聚类算法在支持矢量机中的应用
2.
According to the characters of the images, the algorithm separated image into several regions by K-means clustering algorithm, and each region is equalized respectively within their gray levels.
该算法基于图像的特点,利用K均值聚类算法将图像分成几个灰度区间,然后再分别进行均衡化。
6) k-means clustering algorithm
K均值聚类算法
1.
Second, we study the structure of RBF neural networks and mathematical models, and initial create RBF neural network by using k-means clustering algorithm.
接着研究RBF神经网络的结构及数学模型,以K均值聚类算法确定RBF网络隐含层节点的中心、隐含层节点的宽度及输出权值等参数,初步建立RBF网络模型。
补充资料:并行算法
适用于并行计算机的数值算法。计算机传统结构的显著特征是单指令流单数据流,即每一时刻按一条指令处理一个数据。通常的数值算法适于此类计算机,可称串行算法。20世纪60年代开始发展含大量处理机的并行计算机,它分单指令流多数据流与多指令流多数据流两类,每一时刻分别按一条或多条指令处理多个数据。并行计算机的出现促使了适应其并行这个特点的并行算法的发展。
并行算法依赖一个简单事实:独立的计算可同时执行。所谓独立计算是指其每个结果元只出现一次的计算。例如A8=α1·α2......α8中7个乘法不能同时执行,但可分成三个独立计算组:
第一组
第二组
第三组。
如每组的运算并行执行,计算 A8,只须三步(乘法),其步骤可用图中的双杈计算树来表示。推广此例,得到由满足结合律的任一运算"。" 形成的表达式的最优并行算法,称为结合扇入算法。此算法提供了建立并行算法的一种普遍原则:反复将每一计算分裂成具有同等复杂性的两个独立部份,称为递推倍增法。
研究表明,大量数值问题可获得有效的并行算法。一个算法是否有效主要看加速及所需的处理机个数 P的大小。并行算法的复杂性正是通过参数Tp、S和P来描述的。向量运算具有内在并行性(包含大量独立计算),因而首先是在数值线代数方面,并行算法特别富有成果。
串行算法与并行算法存在固有差别。有效串行算法一般不能直接变换为并行算法,而且两者在数值性态方面(例如数值稳定性及迭代算法的收敛速度)可以彼此大不相同。
并行算法依赖一个简单事实:独立的计算可同时执行。所谓独立计算是指其每个结果元只出现一次的计算。例如A8=α1·α2......α8中7个乘法不能同时执行,但可分成三个独立计算组:
第一组
第二组
第三组。
如每组的运算并行执行,计算 A8,只须三步(乘法),其步骤可用图中的双杈计算树来表示。推广此例,得到由满足结合律的任一运算"。" 形成的表达式的最优并行算法,称为结合扇入算法。此算法提供了建立并行算法的一种普遍原则:反复将每一计算分裂成具有同等复杂性的两个独立部份,称为递推倍增法。
研究表明,大量数值问题可获得有效的并行算法。一个算法是否有效主要看加速及所需的处理机个数 P的大小。并行算法的复杂性正是通过参数Tp、S和P来描述的。向量运算具有内在并行性(包含大量独立计算),因而首先是在数值线代数方面,并行算法特别富有成果。
串行算法与并行算法存在固有差别。有效串行算法一般不能直接变换为并行算法,而且两者在数值性态方面(例如数值稳定性及迭代算法的收敛速度)可以彼此大不相同。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条