面向CPU/MIC异构架构的K-Means向量化算法

• 作者: 伍复慧 吴庆波 孙晓利 谭郁松 陈微
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: K-Means 向量优化 集成众核(MIC) 异构
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 高性能计算
• 页码范围: 641-652
• 页数: 12页
• 分类号: TP301.6
• 字数: 7791字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1312029

摘要

在大数据背景下，以K-Means为代表的聚类分析对于数据分析和挖掘十分重要。海量高维数据的处理给K-Means算法带来了性能方面的强烈需求。最新提出的众核体系结构MIC（many integrated core）能够为算法加速提供众核间线程级和核内指令级并行，使其成为K-Means算法加速的很好选择。在分析K-Means基本算法特点的基础上，分析了K-Means算法的瓶颈，提出了可利用数据并行的K-Means向量化算法，优化了向量化算法的数据布局方案。最后，基于CPU/MIC的异构架构实现了向量化K-Means算法，并且探索了MIC在非传统HPC（high performance computing）应用领域的优化策略。测试结果表明，K-Means向量化算法具有良好的计算性能和扩展性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴庆波	国防科学技术大学计算机学院	46	414	10.0	18.0
2	谭郁松	国防科学技术大学计算机学院	24	99	6.0	8.0
3	伍复慧	国防科学技术大学计算机学院	4	19	2.0	4.0
4	陈微	国防科学技术大学计算机学院	12	65	6.0	7.0
5	孙晓利	国防科学技术大学计算机学院	1	12	1.0	1.0