Genetic algorithm for clustering accelerated by the CUDA platform
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F12%3A86084950" target="_blank" >RIV/61989100:27240/12:86084950 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/ICSMC.2012.6377860" target="_blank" >http://dx.doi.org/10.1109/ICSMC.2012.6377860</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/ICSMC.2012.6377860" target="_blank" >10.1109/ICSMC.2012.6377860</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Genetic algorithm for clustering accelerated by the CUDA platform
Popis výsledku v původním jazyce
Unsupervised clustering of large data sets is a complicated NP-hard task. Due to its complexity, various metaheuristic machine learning algorithms have been used to automate or aid the clustering process. Genetic and evolutionary algorithms have been deployed to find clusters in data sets with success. However, also evolutionary clustering suffers from the high computational demands when it comes to fitness function evaluation. The GPU computing is a recent programming and development paradigm introducing high performance parallel computing to general audience. This work presents an initial design and implementation of a genetic algorithm for density based clustering on the GPU using the nVidia CUDA platform.
Název v anglickém jazyce
Genetic algorithm for clustering accelerated by the CUDA platform
Popis výsledku anglicky
Unsupervised clustering of large data sets is a complicated NP-hard task. Due to its complexity, various metaheuristic machine learning algorithms have been used to automate or aid the clustering process. Genetic and evolutionary algorithms have been deployed to find clusters in data sets with success. However, also evolutionary clustering suffers from the high computational demands when it comes to fitness function evaluation. The GPU computing is a recent programming and development paradigm introducing high performance parallel computing to general audience. This work presents an initial design and implementation of a genetic algorithm for density based clustering on the GPU using the nVidia CUDA platform.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/FR-TI1%2F420" target="_blank" >FR-TI1/420: *Integrovaný softwarový systém pro optimalizaci řízení technologických procesů a predikci kvality produkce velkých technologických celků využívající pokročilé matematické metody, modelování a umělou inteligenci</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2012
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Conference Proceedings - IEEE International Conference on Systems, Man and Cybernetics 2012
ISBN
978-1-4673-1714-6
ISSN
1062-922X
e-ISSN
—
Počet stran výsledku
6
Strana od-do
1005-1010
Název nakladatele
IEEE
Místo vydání
Piscataway
Místo konání akce
Soul
Datum konání akce
14. 10. 2012
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—