一种基于OpenCL的高能效并行KNN算法及其GPU验证

发布时间：2017-10-18 10:51

  本文关键词：一种基于OpenCL的高能效并行KNN算法及其GPU验证

  更多相关文章： KNN GPGPU OpenCL 并行冒泡 并行计算

【摘要】：近年来数据分类技术已经被广泛应用于各类问题中,作为最重要的分类算法之一,K最近邻法(KNN)也被广泛使用。在过去的近50年,人们就如何提高KNN的并行性能做出巨大努力。基于CUDA的KNN并行实现算法——CUKNN算法证明KNN在GPU上的并行实现比在CPU上串行实现的速度提升数十倍,然而,CUDA在实现过程中包含了大量的冗余计算。提出了一种并行冒泡的新型KNN并行算法,并通过OpenCL,在以GPU作为计算核心的异构系统上进行验证,结果显示提出的方法比CUDA快16倍。
【作者单位】： 电子科技大学;广东省公安厅;
【关键词】： KNN GPGPU OpenCL 并行冒泡 并行计算
【分类号】：TP338.6
【正文快照】： 0引言近年来,许多不同类型的处理器广泛应用于高性能计算领域,如GPU、FPGA、DSP等[1],而异构计算平台由不同类型的处理器组成,能对许多不同的算法进行加速实现。Open CL是一种开放式的异构计算标准,支持异构系统的并行程序应用。作为经典聚类算法,KNN在文字识别、预测分析、图

【相似文献】

中国期刊全文数据库 前1条

1 ;通用计算(GPGPU)：充分发掘GPU的强大计算能力[J];新电脑;2008年04期

，

本文编号：1054516