摘要:对于海量和高维的大规模数据聚类问题,其数据个数以及模式种类通常处于一个动态增加的过程之中,为此进行增量、并行算法的设计,以提供更好的计算能力是十分必要的.注意到人脑增量学习的本质和RSOM(Recursive Self-Organlzing Map)的层次化、分布式结构特点,本文研究了基于高性能集群并行计算环境的增量、分布式RSOM并行算法,并以视频图像特征集实例证实了算法的可行性.
关键词:数据聚类 增量 分布式并行计算 集群系统
单位:国防科学技术大学电子科学与工程学院ATR重点实验室; 湖南长沙410073
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社