通用GPU計算在分類算法中的研究與應用.pdf_第1頁
已閱讀1頁,還剩85頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、人們對計算能力的需求是永無止境的。在傳統(tǒng)的單核CPU發(fā)展遇到瓶頸而朝著多核方向發(fā)展的同時,圖形處理器以其強大的運算能力,逐漸進入了人們的視野。通用GPU計算成為一個熱點的研究方向。然而當前的通用GPU計算所應用的領域,仍以圖形圖像處理和三維場景模擬為主。
   本文關注于將GPU應用在數據挖掘和機器學習領域的分類算法中。在對GPU的體系結構和性能特點進行研究的基礎上,提出基于GPU的算法設計原則,并以部分典型算法為例,進行了實現

2、和檢驗。具體工作包括以下幾方面:
   首先,探討將通用GPU計算應用于分類算法的可行性。經分析論證,在大規(guī)模和高維度數據集的分類上,應用基于CUDA的GPU運算,如能滿足相應的設計約束,則能取到較好效果。
   其次,提出了一種基于GPU的K最近鄰分類算法(GSNN算法)。該算法在距離計算階段提出了一種分塊策略,在最近鄰選擇階段采用了一種評估選擇的方法。這兩個方法都充分利用了GPU的結構特點,發(fā)揮了其運算能力,得到很高

3、的加速比。
   第三,針對支持向量機算法復雜度較高,難以應用于大樣本分類的問題,提出了GMP-CSVC算法。算法基于序貫最小優(yōu)化方法,在運算過程中,發(fā)揮了GPU的優(yōu)勢,并盡量減少程序分支,取得了較好的效果。
   最后,針對SVM分類器的參數尋優(yōu)過程,提出了基于GPU的GMP-nuSVC算法。算法在參數尋優(yōu)的訓練階段采用了基于v-SVM的改進算法、核矩陣緩存調度方案,在標號判定階段采用了分塊計算方法,從而實現對原始SV

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論