基于GPU的K-近邻算法实现.pdfVIP

第 4l卷 第 2期 计 算 机 工 程 2015年 2月 VO1．4l NO．2 ComputerEngineering February2015 ‘ 人工智能及识别技术 · 文章编号：tO00．3428(2015)02．0189．04 文献标识码：A 中图分类号：TP311 基于 GPU的 K-近邻算法实现 田 盼 ，华 蓓 ，陆 李 (中国科学技术大学计算机科学与技术学 院，合肥 230027) 摘 要 ：K一近邻计算在数据集规模较大时计算复杂度较高，因此 ，利用 图形处理器 (GPU)强大 的并行计算能力对 K一近邻算法进行加速 。在分析现有 K一近邻算法 的基础上 ，针对该算法时间开销过大的问题 ，结合 GPU的体系结构 特征实现基于 GPU的K一近邻算法 。利用全局存储器 的合并访 问特性 ，提高 GPU全局存储器访 问数据 的效率 ，通 过事先过滤数据 的方法来减少参 与排序 的数据量 ，进而减少排序 阶段 的线程 串行化时间。在 KDD，Poker， Covertype3个数 据集 上进 行 实验 ，结 果表 明，该实 现 方法 在距 离计 算 阶段 每秒 执 行 的浮 点运 算 次数 为 266．37×10 次 ，而排序阶段为 26．47X10 次 ，优于已有方法。 关键词 ：K一近邻 问题 ；图形处理器 ；并行计算 ；算法加速 ；合并访 问；全局存储器 中文引用格式：田 盼，华 蓓，陆 李．基于GPU的K一近邻算法实现[J]．计算机工程，2015，41(2)：189—192，198． 英文引用格式 ：TianPan，HuaBei，LuLi．ImplementationofK—nearestNeighborAlgorithm BasedonGPU[J] ComputerEngineering，2015，41(2)：189—192，198． Implementation ofK-nearestNeighborAlgorithm Based onGPU TIAN Pan．HUA Bei．LU Li (SchoolofComputerScienceTechnology，UniversityofScienceandTechnologyofChina，Hefei230027，China) 【Abstract】K—nearestNeighbor(KNN)isaclassicalproblemwhosecomputationalcomplexityincreasesrapidlywiththe sizeofdataset．ItisaninterestingresearchtoaccelerateKNN implementationontheGraphicsProcessorUnit(GPU)by employingGPU ’Smassiveparallelcomputingpower．Foritsheavyoverheadontime，afteranalyzingtheexistingworkof GPU—basedKNN implementationsand thearchitectura1featuresofGPU ．thispaperefficiently parallelizesKNN on the GPU．Itoptimizesdataaccessbymakinggood useofthecoalesced accesspowerofglobalmemory and reducesthread ， serialization byfilteringoutasmuch dataaspossiblein advance thatisto be sorted．Experimentson KDD Pokerand