GPU的并行支持向量机算法

• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 支持向量机 图形处理器 最少次方SVM
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 学术研究
• 页码范围: 368-377
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2009.04.004

摘要

提出了一种新的并行增量式支持向量机算法来解决图形处理单元(GPU)中大规模数据集的分类问题.SVM以及核相关方法可以用来创建精确分类模型,但学习过程需要大量内存和很长时间.扩展了Suykens和Vandewalle提出的最少次方SVM(LS-SVM)方法来建立增量和并行算法.新算法使用图形处理器以低代价获得高系统性能.实现表明,在UCI和Delve数据集上,基于GPU并行增量算法较CPU实现方法快130倍.而且比现行算法,如LibSVM、SVM-perf和CB-SVM等快的多(超过2500倍).