论文笔记：Fast density-based clustering through dataset partitionusing graphics processing units

1. Introduction

CudaSCAN（CUDA-based DBSCAN）

（1）将整个数据集划分为大小不大于S（预先设定的参数）的子区域；

（2）在子区域内部并行地进行聚类；

（3）对局部聚类结果进行合并，构造最终聚类结果。

2. Graphics processing units

（1）Multi-Processor（MP）

一个GPU由多个MP组成

（2）Stream Processor（SP）

每个MP由很多个SP组成

SP是具有简单结构的执行单元，类似于CPU中的ALU。

每个MP执行一个相互独立的任务，每个MP中包含的每个SP对不同的数据执行相同的操作。

（3）private register

每个SP都有自己的私有寄存器，用于存储在SP上执行指令的变量和临时数据。

一个SP无法访问另一个SP中的私有寄存器。

（4）shared memory & cache memory

一个MP有共享内存和缓存，该MP中的所有sp都可以访问共享内存和缓存，但不同MP中的sp不能访问共享内存和缓存。

共享内存用于存储公共数据，并在sp之间进行同步。

（5）off-chip device memory（global memory）

与GPU芯片外接，所有mp中的所有sp都可以访问。

多个mp同时访问的数据必须存储在设备内存中，设备内存的容量远远大于片上内存。

由于设备存储器的访问成本是片上存储器的几百倍，应该有效地利用片上存储器，以最大限度地提高GPU的生产力。

Compute Unified Device Architecture（CUDA）

 3. Related work

现有的基于密度的聚类算法包括DBSCAN、OPTICS和DENCLUE。

DBSCAN：

（1）两个重要的参数：e和MinPts

（2）N_e(p)：与点p距离小于e的点的集合

（3）核心点：N_e(p)中点的数量大于或等于MinPts

（4）N_e(p)中的点对于核心点p来说是密度直达的

（5）对于两个点p和q，存在一系列的点p1、p2、p3、p4、... 、p(m-1)，其中p(i+1)对于pi来说是密度直达的，则q对与p来说是密度可达的。其中，0 <= i < m，p0 = p，pm = q。

（6）对于两个点p和q，存在一个点o，使得p对于o来说是密度可达的；q对于o来说是密度可达的，则p和q之间是密度相连的。

密度相连是双向的，密度可达是单向的。