一种基于GPU的KNN动态扩展查询策略

摘要：

传统的图形处理器(GPU)执行PGrid索引K最近邻(KNN)查询方法时存在查询粒度大、冗余计算多、性能不稳定等问题.为此,基于空间KNN关系查询,提出一种基于细粒度划分查找范围的KNN查询策略.基于欧氏距离的三角不等特性构建Cell的动态查询范围扩展,实现查询范围相对于Cell各个边界距离的细粒度划分和扩展,分析给定K值时对象数量的优化格网尺度.实验结果表明,与传统KNN查询方法相比,该查询策略在不同K值和格网划分尺度下具有明显的性能优势.

关键词：图形处理器、计算统一设备架构、测试指标、K最近邻查询、格网索引

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

在线出版日期：2018-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7