GPU的并行支持向量机算法

摘要：

提出了一种新的并行增量式支持向量机算法来解决图形处理单元(GPU)中大规模数据集的分类问题.SVM以及核相关方法可以用来创建精确分类模型,但学习过程需要大量内存和很长时间.扩展了Suykens和Vandewalle提出的最少次方SVM(LS-SVM)方法来建立增量和并行算法.新算法使用图形处理器以低代价获得高系统性能.实现表明,在UCI和Delve数据集上,基于GPU并行增量算法较CPU实现方法快130倍.而且比现行算法,如LibSVM、SVM-perf和CB-SVM等快的多(超过2500倍).

关键词：支持向量机、图形处理器、最少次方SVM

所属期刊栏目：3

分类号：TP391(计算技术、计算机技术)

在线出版日期：2009-08-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：368-377