- -

Evaluation of Clustering Algorithms on HPC Platforms

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Evaluation of Clustering Algorithms on HPC Platforms

Mostrar el registro sencillo del ítem

Ficheros en el ítem

dc.contributor.author Cebrian, Juan M. es_ES
dc.contributor.author Imbernón, Baldomero es_ES
dc.contributor.author Soto, Jesús es_ES
dc.contributor.author Cecilia-Canales, José María es_ES
dc.date.accessioned 2022-05-03T18:04:12Z
dc.date.available 2022-05-03T18:04:12Z
dc.date.issued 2021-09 es_ES
dc.identifier.uri http://hdl.handle.net/10251/182378
dc.description.abstract [EN] Clustering algorithms are one of the most widely used kernels to generate knowledge from large datasets. These algorithms group a set of data elements (i.e., images, points, patterns, etc.) into clusters to identify patterns or common features of a sample. However, these algorithms are very computationally expensive as they often involve the computation of expensive fitness functions that must be evaluated for all points in the dataset. This computational cost is even higher for fuzzy methods, where each data point may belong to more than one cluster. In this paper, we evaluate different parallelisation strategies on different heterogeneous platforms for fuzzy clustering algorithms typically used in the state-of-the-art such as the Fuzzy C-means (FCM), the Gustafson-Kessel FCM (GK-FCM) and the Fuzzy Minimals (FM). The experimental evaluation includes performance and energy trade-offs. Our results show that depending on the computational pattern of each algorithm, their mathematical foundation and the amount of data to be processed, each algorithm performs better on a different platform. es_ES
dc.description.sponsorship This work has been partially supported by the Spanish Ministry of Science and Innovation, under the Ramon y Cajal Program (Grant No. RYC2018-025580-I) and by the Spanish "Agencia Estatal de Investigacion" under grant PID2020-112827GB-I00 /AEI/ 10.13039/501100011033, and under grants RTI2018-096384-B-I00, RTC-2017-6389-5 and RTC2019-007159-5, by the Fundacion Seneca del Centro de Coordinacion de la Investigacion de la Region de Murcia under Project 20813/PI/18, and by the "Conselleria de Educacion, Investigacion, Cultura y Deporte, Direccio General de Ciencia i Investigacio, Proyectos AICO/2020", Spain, under Grant AICO/2020/302. es_ES
dc.language Inglés es_ES
dc.publisher MDPI AG es_ES
dc.relation.ispartof Mathematics es_ES
dc.rights Reconocimiento (by) es_ES
dc.subject Clustering algorithms es_ES
dc.subject Performance evaluation es_ES
dc.subject GPU computing es_ES
dc.subject Energy-efficiency es_ES
dc.subject Vector architectures es_ES
dc.subject.classification ARQUITECTURA Y TECNOLOGIA DE COMPUTADORES es_ES
dc.title Evaluation of Clustering Algorithms on HPC Platforms es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.3390/math9172156 es_ES
dc.relation.projectID info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/PID2020-112827GB-I00/ES/SISTEMA INTELIGENTE MULTIMODAL BASADO EN CROWDSENSING PARA UN SERVICIO DE PREDICCION DE PROBLEMAS SOCIALES/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/f SéNeCa//20813%2FPI%2F18/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/RTI2018-096384-B-I00/ES/SOLUCIONES PARA UNA GESTION EFICIENTE DEL TRAFICO VEHICULAR BASADAS EN SISTEMAS Y SERVICIOS EN RED/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/Conselleria d'Educació, Investigació, Cultura i Esport de la Generalitat Valenciana//AICO%2F2020%2F302/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/AGENCIA ESTATAL DE INVESTIGACION//RTC-2017-6389-5-AR//PLANIFICACIÓN Y GESTIÓN DE RECURSOS HÍDRICOS A PARTIR DE ANÁLISIS DE DATOS DE IOT/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/AGENCIA ESTATAL DE INVESTIGACION//RYC2018-025580-I//AYUDA ADICIONAL RAMON Y CAJAL/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/AGENCIA ESTATAL DE INVESTIGACION//RTC2019-007159-5//DESARROLLO DE INFRAESTRUCTURAS IOT DE ALTAS PRESTACIONES CONTRA EL CAMBIO CLIMÁTICO BASADAS EN INTELIGENCIA ARTIFICIAL/ es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors es_ES
dc.description.bibliographicCitation Cebrian, JM.; Imbernón, B.; Soto, J.; Cecilia-Canales, JM. (2021). Evaluation of Clustering Algorithms on HPC Platforms. Mathematics. 9(17):1-20. https://doi.org/10.3390/math9172156 es_ES
dc.description.accrualMethod S es_ES
dc.relation.publisherversion https://doi.org/10.3390/math9172156 es_ES
dc.description.upvformatpinicio 1 es_ES
dc.description.upvformatpfin 20 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 9 es_ES
dc.description.issue 17 es_ES
dc.identifier.eissn 2227-7390 es_ES
dc.relation.pasarela S\447683 es_ES
dc.contributor.funder AGENCIA ESTATAL DE INVESTIGACION es_ES
dc.contributor.funder Agencia Estatal de Investigación es_ES
dc.contributor.funder Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia es_ES
dc.contributor.funder Conselleria d'Educació, Investigació, Cultura i Esport de la Generalitat Valenciana es_ES
upv.costeAPC 1298,47 es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem