Untersuchung von Cluster-Algorithmen und ihre Parallelisierung

Thema dieser Arbeit ist die Untersuchung von Cluster-Algorithmen und ihre Parallelisierung. Hierzu werden zunächst einige Clustering-Methoden vorgestellt und insbesondere unter dem Gesichtspunkt ihrer Leistungsfähigkeit betrachtet. Der Ansatz des unscharfen (fuzzy) Vorgehens gewinnt auch bei den Cluster-Algorithmen immer mehr an Bedeutung. Hierbei werden die Objekte nicht exklusiv einem Cluster zugeordnet, sondern erhalten sogenannte Zugehörigkeitswerte zu den einzelnen Clustern. Für die Parallelisierung auf dem CRAY-Rechner Y-MP werden schließlich zwei Fuzzy-Algorithmen ausgewählt. Die Vorteile des unscharfen Vorgehens zeigten sich auch bei der Anwendung des EFCM-Algorithmus, einer Erweiterung des FCM-Algorithmus, und des UFP-ONC-Algorithmus, eines zweiphasigen Cluster-Algorithmus, auf ausgewählten Datenmengen. Bei der anschließenden Parallelisierung spiegelte sich die hohe inhärente Parallelität der beiden Algorithmen in den erhaltenen guten Speedup-Werten wider. Nach einer Ausrichtung der Algorithmen auf die gleichzeitige Nutzung der Vektorisierung neben der Parallelverarbeitung stellten sich hohe Effizienzgewinne ein