1 / 12

基于 GraphLab 的分布式近邻传播算法

基于 GraphLab 的分布式近邻传播算法. 论文作者：陈文强. 1 Affinity Propagation 算法背景. 目录. 2 基于 GraphLab 的实现. 3 实验结果与分析. Affinity Propagation 算法. Affinity Propagation 算法. 时间复杂度 : 算法复杂度高 O(N*N*logN) ，相比下， K-Means 只有 O(N*K) 的复杂度 当 N 比较大时 (N>3000) ，算法往往需要很长时间才能收敛. 基于 GraphLab 的实现. 基于 GraphLab 的实现.

amber-rollins
Download Presentation

基于 GraphLab 的分布式近邻传播算法

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 基于GraphLab的分布式近邻传播算法 论文作者：陈文强

  2. 1 Affinity Propagation 算法背景 目录 2 基于GraphLab的实现 3 实验结果与分析

  3. Affinity Propagation 算法

  4. Affinity Propagation 算法 • 时间复杂度: • 算法复杂度高 O(N*N*logN)，相比下，K-Means只有O(N*K)的复杂度 当N比较大时(N>3000)，算法往往需要很长时间才能收敛

  5. 基于GraphLab的实现

  6. 基于GraphLab的实现 Mirror Master Mirror Mirror Machine 1 Machine 2 从邻接节点与 当前节点相连的边 收集availability， a(i,k`)以及 responsibility,r(i`,k) Y’ Y’ Y Y Y’ Y’ Y Σ Σ1 Σ2 Y + + + Machine 3 Machine 4 Σ3 Σ4 更新与邻接节点 相连的边上的 a(i,k)以及r(i,k)

  7. 实验结果与分析 本文的实验运行于3.10GHz的4核处理器上,内存为8GB. 采用流形学习工具MANI合成的数据3D Clusters 、Aggregation、Flame以及Pathbased作为数据集

  8. 实验结果与分析 本文的实验运行于3.10GHz的4核处理器上,内存为8GB. 采用流形学习工具MANI合成的数据3D Clusters 、Aggregation、Flame以及Pathbased作为数据集

  9. 实验结果与分析

  10. 实验结果与分析

  11. 关于GStrAP的更多信息 软件主页： http://datamining.xmu.edu.cn/software/gstrap/

  12. 谢谢！ 论文作者：陈文强 电子邮箱：irwenqiang@gmail.com 联系电话：189 5920 0475

More Related