基于GPU的K-近邻算法实现

• 作者: 华蓓 田盼 陆李
• 来源期刊: 计算机工程
• 学科: 工学
• 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
• 年，卷（期）: 2015,（2）
• 页码范围: 189-192,198
• 页数: 5页
• 分类号: TP311
• 字数: 5004字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.02.036

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	华蓓	中国科学技术大学计算机科学与技术学院	37	225	8.0	14.0
2	陆李	中国科学技术大学计算机科学与技术学院	2	3	1.0	1.0
3	田盼	中国科学技术大学计算机科学与技术学院	2	46	2.0	2.0