基于OpenCL的Kmeans算法的优化研究

摘要：

Kmeans算法是无监督机器学习中一种典型的聚类算法，是对已知数据集进行划分和分组的重要方法，在图像处理、数据挖掘、生物学领域有着广泛的应用。随着实际应用中数据规模的不断变大，对Kmeans算法的性能也提出了更高的要求。在充分考虑不同硬件平台体系架构差异的基础上，系统地研究了Kmeans算法在GPU和APU平台上实现与优化的关键技术：片上全局同步高效实现，冗余计算减少全局同步次数，线程任务重映射，局部内存重用等，实现了Kmeans算法在不同硬件平台上的高性能与性能移植。实验结果表明，优化后的算法在考虑数据传输时间的前提下，在AMD HD7970 GPU上相对于CPU版本取得136.975~170.333倍的加速比，在AMD A10-5800K APU上相对于CPU版本取得22.2365~24.3865倍的加速比，有效验证了优化方法的有效性和平台的可移植性。

关键词：OpenCL、并行计算、Kmeans、迭代算法、跨平台

分类号：TP338.6(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos.61133005,61272136;the National High Technology Research and Development Program of China under Grant No.2012AA010903国家高技术研究发展计划863计划;the Project Funded by ISCAS-AMD Fusion Software Center

在线出版日期：2014-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：1162-1176