Shlukování pomocí reprezentantů pro velká data

Abstract

Cílem této práce je realizace vybraného shlukovacího algoritmu a následná úprava pro zpracování rozsáhlých dat. V rámci této práce byl realizován algoritmus CLARANS a to v podobě vhodné pro paralelní zpracování na grafické kartě a to za použití architektury CUDA. Práce uvádí teoretické základy týkající se shlukování a to včetně řešení problémů spojených se zpracováním rozsáhlých dat. Nad výslednou navrženou realizací algoritmu je pak provedena řada experimentů. V rámci těchto experimentů je provedeno srovnání algoritmu s algoritmem k-medoids a to v rámci časů běhu algoritmu a kvality výsledných nacházených řešení. Součástí experimentů je i otestování nově navrženého přístupu při výběru nových sousedů u algoritmu a dále je testována schopnost algoritmu vypořádat se s rozsáhlými daty.

The aim of this study is realization of selected clustering algorithm and subsequent adjustment for big data processing. In this study CLARANS algorithm was implemented in form suitable for parallel processing on a graphic card using the CUDA architecture. The study presents theoretical foundations regarding clustering, including solving difficulties related to the processing of big data. Above the proposed algorithm implementation a number of experiments are performed. Within these experiments the algorithm is compared with the k-medoids algorithm within the algorithm running times and the quality of the founded clustering. Experiments include testing the newly designed approach for selecting new neighbors in the algorithm and testing the ability of algorithm to deal with big data.