This thesis describes cluster-level domain-parallelization of a sparse grid density estimation (SGDE) based classification algorithm. The Online phase of the implementation of this algorithm in the SG++ toolbox was parallelized using MPI and the ScaLAPACK library. This means that distributed compute resources can be efficiently used as the implementation is not constrained to one node. Instead of a data-parallel approach, model parallelization was chosen in order to achieve greater flexibility and efficiency on complex grids. The parallel classifier was integrated into the existing datamining pipeline of the SG++ toolbox. The performance of the new approach was evaluated for weak and strong scaling and the influence of parallelization parameters was considered. The results of the scaling tests were mostly as expected, however refinement was identified as a bottleneck.     «

This thesis describes cluster-level domain-parallelization of a sparse grid density estimation (SGDE) based classification algorithm. The Online phase of the implementation of this algorithm in the SG++ toolbox was parallelized using MPI and the ScaLAPACK library. This means that distributed compute resources can be efficiently used as the implementation is not constrained to one node. Instead of a data-parallel approach, model parallelization was chosen in order to achieve greater flexibility a...     »

Diese Arbeit beschreibt die Domänen-Parallelisierung eines Klassifikationsalgorithmus der auf Dünngitter Dichteschätzung basiert. Die Online Phase des Algorithmus wurde mit Hilfe von MPI und der ScaLAPACK Bibliothek auf Cluster-Ebene parallelisiert und in die SG++ Bibliothek integriert. Dadurch können Rechenressourcen effizient genutzt werden und der Algorithmus ist nicht auf einen Rechnerknoten beschränkt. Statt eines Datenparallelen Ansatzes wurde eine Parallelisierung des Modells ausgewählt, mit dem Ziel größere Flexibilität und Effizienz bei komplexen Gittern zu erreichen. Der parallelisierte Algorithmus wurde in die bestehende Datamining Pipeline der SG++ Bibliothek integriert. Die Auswirkungen von verschiedenen Parametern auf die Leistung wurden untersucht und es wurden Tests zur Skalierbarkeit durchgeführt. Die Ergebnisse dieser Tests waren weitgehend wie erwartet, allerdings stellt die Verfeinerung des Gitters einen Engpass dar.     «

Diese Arbeit beschreibt die Domänen-Parallelisierung eines Klassifikationsalgorithmus der auf Dünngitter Dichteschätzung basiert. Die Online Phase des Algorithmus wurde mit Hilfe von MPI und der ScaLAPACK Bibliothek auf Cluster-Ebene parallelisiert und in die SG++ Bibliothek integriert. Dadurch können Rechenressourcen effizient genutzt werden und der Algorithmus ist nicht auf einen Rechnerknoten beschränkt. Statt eines Datenparallelen Ansatzes wurde eine Parallelisierung des Modells ausgewählt,...     »