通过GPU加速数据挖掘的研究进展和实践

摘要：

将计算密度高的部分迁移到GPU上是加速经典数据挖掘算法的有效途径。首先介绍GPU特性和主要的GPU编程模型，随后针对数据挖掘主要任务类型分别介绍基于GPU加速的工作，包括分类、聚类、关联分析、时序分析和深度学习。最后分别基于CPU和GPU实现协同过滤推荐的两类经典算法，并基于经典的MovieLens数据集的实验验证GPU对加速数据挖掘应用的显著效果，进一步了解GPU加速的工作原理和实际意义。

关键词：数据挖掘、GPU加速、并行计算、协同过滤

分类号：TP391(计算技术、计算机技术)

资助基金：福建省绿色通信及其智能信息服务工程技术研究中心项目No.2012H2002；厦门市科技计划基金No.3505Z20133027；华侨大学人才引进科研基金No.11Y0274；中央高校基本科研基金No.11J0263。

在线出版日期：2015-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：109-116