| 基于GPU的K-近邻算法实现 |
| |
| 引用本文： | 田盼,华蓓,陆李.基于GPU的K-近邻算法实现[J].计算机工程,2015(2). |
| |
| 作者姓名： | 田盼 华蓓 陆李 |
| |
| 作者单位： | 中国科学技术大学计算机科学与技术学院,合肥,230027 |
| |
| 摘 要： | K-近邻计算在数据集规模较大时计算复杂度较高,因此,利用图形处理器( GPU )强大的并行计算能力对K-近邻算法进行加速。在分析现有K-近邻算法的基础上,针对该算法时间开销过大的问题,结合GPU的体系结构特征实现基于GPU的K-近邻算法。利用全局存储器的合并访问特性,提高GPU全局存储器访问数据的效率,通过事先过滤数据的方法来减少参与排序的数据量,进而减少排序阶段的线程串行化时间。在 KDD, Poker, Covertype 3个数据集上进行实验,结果表明,该实现方法在距离计算阶段每秒执行的浮点运算次数为266.37×109次,而排序阶段为26.47×109次,优于已有方法。
|
| 关 键 词： | K-近邻问题 图形处理器 并行计算 算法加速 合并访问 全局存储器 |
Implementation of K-nearest Neighbor Algorithm Based on GPU |
| |
| TIAN Pan,HUA Bei,LU Li.Implementation of K-nearest Neighbor Algorithm Based on GPU[J].Computer Engineering,2015(2). |
| |
| Authors: | TIAN Pan HUA Bei LU Li |
| |
| Abstract: | |
| |
| Keywords: | K-nearest Neighbor ( KNN ) problem Graphics Processing Unit ( GPU ) parallel computing algorithm acceleration coalesced access global memory |
| 本文献已被 万方数据 等数据库收录！ |
|
