基于OpenCL的并行kNN算法设计与实现

• 全文链接
• 请求原文

作   者：

杨朋霖;  冯百明;  周志阳;  温向慧; 

作者机构：

西北师范大学计算机科学与工程学院; 

关键词：

双调排序;  kNN;  OpenCL;  GPU; 

期刊名称：

计算机工程与科学

基金项目：

云环境中支持混合并行模式的科学工作流的执行优化

i s s n：

1007-130X

年卷期：

2017 年 12 期

页   码：

2198-2202

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。