[发明专利]一种多GPU平台上并行双调排序的K-最近邻算法并行优化方法

摘要

本发明公开了一种多GPU平台上并行双调排序的K‑最近邻算法并行优化方法，该方法包括如下步骤：搭建多GPU平台MGPUSim的系统环境；初始化MGPUSim工作负载与定义内核参数；进行k‑最近邻算法的数据预处理；输入常用UCI数据集将测试数据和训练数据集从CPU端拷入GPU；定义基于OpenCL的并行化内核；优化k‑最近邻算法的距离计算与距离排序阶段；判断数据进行分类，验证算法分类效果；识别性能瓶颈，验证改进；本发明针对目前K‑最近邻算法在图像识别和计算机视觉等领域，特别是在处理大规模数据集时运行效率不高，每个测试数据的距离排序阶段时间复杂度高的现状，利用MGPUSim更多的计算资源和存储能力，提出了一种在多GPU平台上K‑最近邻算法的并行化实现与优化方法，首先需要优化数据预处理，然后在GPU端采用并行双调排序与欧式距离的并行化优化。通过多GPU并行加速计算的方案，从源头上减少单个GPU的运行负担，提升并行K‑最近邻算法的效率。