一种基于OpenCL的高能效并行KNN算法及其GPU验证

摘要：

近年来数据分类技术已经被广泛应用于各类问题中,作为最重要的分类算法之一,K最近邻法(KNN)也被广泛使用.在过去的近50年,人们就如何提高KNN的并行性能做出巨大努力.基于CUDA的KNN并行实现算法——CUKNN算法证明KNN在GPU上的并行实现比在CPU上串行实现的速度提升数十倍,然而,CUDA在实现过程中包含了大量的冗余计算.提出了一种并行冒泡的新型KNN并行算法,并通过OpenCL,在以GPU作为计算核心的异构系统上进行验证,结果显示提出的方法比CUDA快16倍.

关键词：KNN、GPGPU、OpenCL、并行冒泡、并行计算

所属期刊栏目：42

分类号：TP311(计算技术、计算机技术)

在线出版日期：2016-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：14-16