PARMA-CC: A Family of Parallel Multiphase Approximate Cluster Combining Algorithms

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: onr:"swepub:oai:research.chalmers.se:57c06d5f-fcd4-4de0-8f55-116b651f2992" > PARMA-CC: A Family ...

1 av 1
Föregående post
Nästa post
Till träfflistan

Keramatian, Amir,1990Chalmers tekniska högskola,Chalmers University of Technology (författare)

PARMA-CC: A Family of Parallel Multiphase Approximate Cluster Combining Algorithms

Artikel/kapitelEngelska2023

Förlag, utgivningsår, omfång ...

Elsevier BV,2023
electronicrdacarrier

Nummerbeteckningar

LIBRIS-ID:oai:research.chalmers.se:57c06d5f-fcd4-4de0-8f55-116b651f2992
https://doi.org/10.1016/j.jpdc.2023.02.001DOI
https://research.chalmers.se/publication/529423URI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:art swepub-publicationtype
Ämneskategori:ref swepub-contenttype

Anmärkningar

Clustering is a common task in data analysis applications. Despite the extensive literature, the continuously increasing volumes of data produced by sensors (e.g., rates of several MB/s by 3D scanners such as LIDAR sensors), and the time-sensitivity of the applications leveraging the clustering outcomes (e.g., detecting critical situations such as detecting boundary crossing from a robot arm that could injure human beings) demand for efficient data clustering algorithms that can effectively utilize the increasing computational capacities of modern hardware. To that end, we leverage approximation and parallelization, where the former is to scale down the amount of data, and the latter is to scale up the computation. Regarding parallelization, we explore a design space for synchronization and workload distribution among the threads. As we study different parts of the design space, we propose representative Parallel Multiphase Approximate Cluster Combining, abbreviated as PARMA-CC, algorithms. We show that PARMA-CC algorithms yield equivalent clustering outcomes despite their different approaches. Furthermore, we show that certain PARMA-CC algorithms can achieve higher efficiency with respect to certain properties of the data to be clustered. Generally speaking, in PARMA-CC algorithms, parallel threads compute summaries associated with clusters of data (sub)sets. As the threads concurrently combine the summaries, they construct a comprehensive summary of the sets of clusters. By approximating a cluster with its respective geometrical summaries, PARMA-CC algorithms scale well with increased data volumes, and, by computing and efficiently combining the summaries in parallel, they enable latency improvements. PARMA-CC algorithms utilize special data structures that enable parallelism through in-place data processing. As we show in our analysis and evaluation, PARMA-CC algorithms can complement and outperform well-established methods, with significantly better scalability, while still providing highly accurate results in a variety of data sets, even with skewed data distributions, which cause the traditional approaches to exhibit their worst-case behaviour.

Ämnesord och genrebeteckningar

NATURVETENSKAP Data- och informationsvetenskap Datorteknik hsv//swe
NATURAL SCIENCES Computer and Information Sciences Computer Engineering hsv//eng
TEKNIK OCH TEKNOLOGIER Annan teknik Mediateknik hsv//swe
ENGINEERING AND TECHNOLOGY Other Engineering and Technologies Media Engineering hsv//eng
NATURVETENSKAP Data- och informationsvetenskap Datavetenskap hsv//swe
NATURAL SCIENCES Computer and Information Sciences Computer Sciences hsv//eng
TEKNIK OCH TEKNOLOGIER Elektroteknik och elektronik Datorsystem hsv//swe
ENGINEERING AND TECHNOLOGY Electrical Engineering, Electronic Engineering, Information Engineering Computer Systems hsv//eng
Parallel Clustering
Synchronization
Data Structures
Approximation

Biuppslag (personer, institutioner, konferenser, titlar ...)

Gulisano, Vincenzo Massimiliano,1984Chalmers tekniska högskola,Chalmers University of Technology(Swepub:cth)vinmas (författare)
Papatriantafilou, Marina,1966Chalmers tekniska högskola,Chalmers University of Technology(Swepub:cth)ptrianta (författare)
Tsigas, Philippas,1967Chalmers tekniska högskola,Chalmers University of Technology(Swepub:cth)tsigas (författare)
Chalmers tekniska högskola (creator_code:org_t)

Sammanhörande titlar

Ingår i:Journal of Parallel and Distributed Computing: Elsevier BV177, s. 68-881096-08480743-7315

Internetlänk

Hitta via bibliotek

Journal of Parallel and Distributed Computing (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

1 av 1
Föregående post
Nästa post
Till träfflistan

Hitta mer i SwePub

Av författaren/redakt...: Keramatian, Amir ...; Gulisano, Vincen ...; Papatriantafilou ...; Tsigas, Philippa ...

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Datorteknik

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Annan teknik; och Mediateknik

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Datavetenskap

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Elektroteknik oc ...; och Datorsystem

Artiklar i publikationen: Journal of Paral ...

Av lärosätet: Chalmers tekniska högskola

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se