基于OpenCL的Kmeans算法的优化研究

• 作者: 吴再龙 张云泉 徐建良 解庆春 贾海鹏 颜深根
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: OpenCL 并行计算 Kmeans 迭代算法 跨平台
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 学术研究
• 页码范围: 1162-1176
• 页数: 15页
• 分类号: TP338.6
• 字数: 10521字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1312042

摘要

Kmeans算法是无监督机器学习中一种典型的聚类算法，是对已知数据集进行划分和分组的重要方法，在图像处理、数据挖掘、生物学领域有着广泛的应用。随着实际应用中数据规模的不断变大，对Kmeans算法的性能也提出了更高的要求。在充分考虑不同硬件平台体系架构差异的基础上，系统地研究了Kmeans算法在GPU和APU平台上实现与优化的关键技术：片上全局同步高效实现，冗余计算减少全局同步次数，线程任务重映射，局部内存重用等，实现了Kmeans算法在不同硬件平台上的高性能与性能移植。实验结果表明，优化后的算法在考虑数据传输时间的前提下，在AMD HD7970 GPU上相对于CPU版本取得136.975~170.333倍的加速比，在AMD A10-5800K APU上相对于CPU版本取得22.2365~24.3865倍的加速比，有效验证了优化方法的有效性和平台的可移植性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张云泉	中国科学院计算技术研究所计算机体系结构国家重点实验室	69	542	15.0	21.0
2	徐建良	中国海洋大学信息科学与工程学院	54	216	8.0	11.0
3	贾海鹏	中国科学院计算技术研究所计算机体系结构国家重点实验室	11	94	5.0	9.0
4	吴再龙	中国海洋大学信息科学与工程学院	2	14	2.0	2.0
8	颜深根	中国科学院软件研究所并行软件与计算科学实验室	1	11	1.0	1.0