一种基于CUDA的并行SMO算法

• 作者: 林超 汤斌飞 黄迪
• 来源期刊: 实验室研究与探索
• 学科: 工学
• 关键词: SMO CUDA 并行SMO算法
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 计算机技术应用
• 页码范围: 140-143
• 页数: 4页
• 分类号: TP391
• 字数: 3528字
• 语种: 中文

摘要

序列最小优化算法(Sequential Minimal Optimization,SMO)是针对支持向量机算法执行速度慢而提出来的,它通过最小化分块来加速算法,对不同数据集来说,其算法加速可达100x ～1 000x.但是随着数据量的增大,其算法执行时间仍然较慢.为了加速算法,本文结合现代较发达的图形处理单元(Graphics ProcessingUnit,GPU)计算,通过多处理器并行执行方式,提出对算法并行化.主要的并行点在于确定了两个参数α1、α2之后,求解局部最优,从而更新所有参数的过程是天然并行的,而且SIMD形式的并行性非常符合GPU的运算模式,通过将计算量大的参数更新部分转移到GPU进行计算,可以加速整个算法的运行.实验表明,并行算法可以达到150倍的加速效果.