Benchmark分析１:Cortexsuite.clustering.kmeans（indirect data)

1.热点分析
1.1热点函数

1.2热点循环
格式说明: 热点循环-各层执行总次数
执行百分比：热点循环占本函数执行比例

函数: k_means
km.L1.1.1.1 (1-40-400000-4000000-2992000000）
执行百分比：92.5%
km.L1.1.2 (1-40-400000-4000000-299200000）
执行百分比：6.4%

1.3 热点代码

/*   k_means   */
// km.L1
do 
{
	for (h = 0; h < n; h++) 
	{
		 // km.L1.1.1
    	 for (i = 0; i < k; i++) 
     	{
         	    // km.L1.1.1.1
         		for (j = m; j-- > 0;) 
         		{
            		distance += pow(data[h][j] - c[i][j], 2);
         	  	}
        }
         // km.L1.1.2
		 for (j = m; j-- > 0;)
         {
         	 	c1[labels[h]][j] += data[h][j];
        }
				...
    }
} while (fabs(error - old_error) > t);

2.功能分析
2.1数据标签

说明：s,v,m,t（全局数据）km-（局部数据）

2.2数据流分析
函数 k_means
km.L1.1.1.1（9-12行）
P1: (km.m1[i][]，km.m2[i][])，km.s1 -> km.s1 幂运算
km.L1.1.2（14-17行）
P2: km.m1[i][]，km.m3[i][] -> km.m3[i][]；加法树

3.加速分析