基于GPU的并行支持向量機的設計與實現(xiàn).pdf

1、隨著計算需求的擴大、數(shù)據(jù)庫技術的成熟、信息技術與生物基因技術的發(fā)展,高性能計算已經(jīng)成為了最熱門的研究領域之一。當前高性能計算的發(fā)展水平不僅是衡量一個國家綜合國力和國際競爭力的重要指標,也是世界各國競相爭奪的戰(zhàn)略制高點。
　　 從第一塊GPU的出現(xiàn)到現(xiàn)在已經(jīng)過去了十幾個年頭,在很長一段時間內(nèi)GPU只能被用于視頻編解碼、3D渲染等圖像處理領域。隨著GPU性能的不斷提升、功能的不斷增強,它逐漸被應用到需要大量計算能力的科學計算領域。2

2、001年已經(jīng)開始有人利用GPU來加速矩陣乘法運算,隨后,基于GPU加速的應用出現(xiàn)了爆炸式的增長?？茖W界對GPU的利用也促使GPU本身的架構發(fā)生巨大變化,為了適應科學計算的需求,GPU漸漸向通用架構轉變,它不僅能加速圖形應用,還能加速科學計算應用,基于GPU的高性能計算也逐漸成為研究的熱點之一。
　　 由于SVM在大規(guī)模數(shù)據(jù)應用中存在著訓練速度緩慢,內(nèi)存資源占用較多等缺陷,通過設計合適的并行算法程序并利用GPU進行運算以提高SVM

3、的實用性是非常有前景的。
　　 本文首先介紹了并行計算的基本概念,引出了基于GPU的高性能計算方式。概括CUDA架構的特點,總結了此架構的兩大重點概念:線程模型和存儲模型。然后介紹了OpenCL編程模型、SVM以及SMO訓練算法的相關知識,詳細分析了SMO訓練算法中的并行點,并由此設計了并行算法。與傳統(tǒng)的串行算法相比,本設計主要在三個方面做了并行化處理:多分類器訓練、大規(guī)模矩陣運算以及樣本的尋找。實驗分析結果表明,并行算法基本滿

4、足了設計要求。此外,本文在深入了解基于GPU的并行程序設計基礎上,選用OpenCL作為算法實現(xiàn)工具,基于Visual Studio2010完成了算法程序開發(fā)。文中詳細地介紹了算法設計以及關鍵程序設計,并在理論上對實驗結果做出了預測。
　　 最后,本文基于Core i7980X+GTX470和Q9400+Geforce310搭建了兩個實驗平臺,并在這兩個平臺上分別進行了算法仿真實驗。通過對實驗結果的分析表明,基于GPU的并行支持向