10.3969/j.issn.1007-130X.2017.12.006
基于OpenCL的并行kNN算法设计与实现
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.
OpenCL、GPU、kNN、双调排序
39
TP301(计算技术、计算机技术)
国家自然科学基金61462076
2018-01-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
2198-2202