基于OpenCL的并行kNN算法设计与实现
【出 处】:
【作 者】:
杨朋霖
冯百明
周志阳
温向慧
【摘 要】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.
相关热词搜索: OpenCL GPU kNN 双调排序
上一篇: 基于交叉Gram矩阵的双侧H2最优模型降阶方法
下一篇: 基于指示信号方式实现跨时钟域数据传输的方法