基于OpenCL的并行kNN算法设计与实现

• 作者: 冯百明 周志阳 杨朋霖 温向慧
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: OpenCL GPU kNN 双调排序
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 高性能计算
• 页码范围: 2198-2202
• 页数: 5页
• 分类号: TP301
• 字数: 3769字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2017.12.006

摘要

kNN算法是机器学习和数据挖掘程序中经常使用的经典算法.随着数据量的增大,kNN算法的执行时间急剧上升.为了有效利用现代计算机的GPU等计算单元减少kNN算法的计算时间,提出了一种基于OpenCL的并行kNN算法,该算法对距离计算和排序两个瓶颈点进行并行化,在距离计算阶段使用细粒度并行化策略和优化的线程模型,排序阶段使用优化内存模型的双调排序.以UCI数据集letter为测试集,分别使用E8400和GTS450运行kNN算法进行测试,采用GPU加速的并行kNN算法的计算速度比CPU版提高了40.79倍.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯百明	西北师范大学计算机科学与工程学院	41	177	8.0	10.0
2	周志阳	西北师范大学计算机科学与工程学院	4	19	2.0	4.0
3	杨朋霖	西北师范大学计算机科学与工程学院	3	12	2.0	3.0
4	温向慧	西北师范大学计算机科学与工程学院	4	17	2.0	4.0