GEM-KMeans：面向大规模聚类的内存高效且准确的 GPU 优化方法

GEM-KMeans 提出一种谱归一化的非负低秩矩阵分解 formulation，将梯度更新、非负投影、归一化充分统计量和迭代移动融合为矩阵乘法尾声。与传统 GPU 实现需要多个大规模因子缓冲区不同，该方法仅在 HBM 中保留一个因子并辅以小块归约数组，从而显著降低内存占用。实验在合成与真实数据集上展示了大规模准确聚类效果，相较现有 GPU 加速 Lloyd 算法呈现数据依赖的运行时权衡。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。