来源：期刊VIP网 时间：
作者：祝鹏;
单位：内蒙古农业大学计算机技术与信息管理系;
摘要：高维数据维度增加，数据空间的体积呈指数增长，容易陷入“维数灾难”，导致聚类算法执行效率低，为此，提出异构并行计算下高维混合型数据聚类算法。构建高维混合型数据相异度矩阵，提取高维混合型数据的统计序列特征值，利用时间窗口进行特征优化。采用K-Prototypes聚类算法提取高维混合型数据的统计序列特征，评估数据与类中心的相异性，计算数据与类中心的欧氏距离，实现高维混合型数据聚类。采用异构并行计算技术进行高维混合型数据K-Prototypes聚类的并行化处理，合理分配CPU与GPU工作，达到CPU与GPU的工作负载平衡，提高K-Prototypes的聚类效率。实验结果表明，此算法对于高维混合型数据的聚类效果好、运行时间短、性能稳定。
关键词：异构并行计算;;高维混合型数据;;K-Prototypes聚类算法;;欧氏距离;;统计序列特征;;负载平衡
基金资助：内蒙古哲学社会科学规划项目：基于大数据的内蒙古旅游目的地形象感知研究（2020NDC067）
