基于CUDA的并行CS-SCHMMC設(shè)計與實現(xiàn)及其在藥品鑒別中的應(yīng)用.pdf

1、近紅外光譜分析技術(shù)具有快速現(xiàn)場檢測、準確、不破壞等優(yōu)點,非常適合于藥品分析。不同于一般分類問題,真假藥鑒別中存在類不平衡與代價敏感性問題。隨著精密分析儀器的廣泛使用,產(chǎn)生了高維、海量藥品數(shù)據(jù),而大部分分類算法仍采用單線程方式實現(xiàn),已無法滿足現(xiàn)場快速建模的需求。綜上所述,本文研究主要針對真假藥鑒別所具有的類不平衡、代價敏感的應(yīng)用特點以及大量樣本的快速建模需求。
　　首先引入尺度化凸殼最大間隔分類方法(SCHMMC)解決真假藥鑒別中所

2、具有的類不平衡與代價敏感問題,并引入布谷鳥搜索(CS)算法對 SCHMMC進行參數(shù)尋優(yōu),結(jié)合兩者形成CS-SCHMMC。
　　其次,在研究尺度化凸殼最大間隔分類方法的基礎(chǔ)上,針對大規(guī)模數(shù)據(jù)樣本的建模提出一種基于CUDA的GPU并行SCHMMC算法:GPU-SCH。根據(jù)訓練過程中各個計算任務(wù)的特點,對訓練過程進行任務(wù)劃分,結(jié)合 GPU與 CPU的特點,給出GPU-SCH的兩種并行模型。通過UCI數(shù)據(jù)集分別進行穩(wěn)定性、準確性、加速性能

3、實驗測試,結(jié)果表明并行算法在不損失原算法性能的基礎(chǔ)上,在大數(shù)據(jù)樣本下,獲得了更高的性能,最高加速比可達18.4倍。實驗最后對兩種并行模型作出性能對比分析。
　　接著,在研究SCHMMC參數(shù)與核函數(shù)參數(shù)選擇優(yōu)化的基礎(chǔ)上,針對CS算法在求解復(fù)雜、大規(guī)模數(shù)據(jù)優(yōu)化問題時計算時間過長的問題提出一種基于 CUDA的并行布谷鳥搜索算法:GPU-CS。該并行算法通過對標準 CS算法的四個階段計算任務(wù)進行分解,分別以四個獨立的并行GPU核函數(shù)實現(xiàn),

4、并結(jié)合不同的優(yōu)化問題,給出算法的兩種并行策略。最后在四個標準測試函數(shù)上的仿真實驗表明,并行CS算法在求解收斂性與原標準算法一致的前提下,獲得了更高效的求解性能,最高加速比可達96.9倍。實驗的最后給出了兩種并行策略在不同實驗設(shè)置下的性能分析比較。
　　最后,給出GPU-CS對GPU-SCH進行參數(shù)選擇優(yōu)化的方法,并結(jié)合實際應(yīng)用,將其應(yīng)用于某藥廠琥乙紅霉素片 NIR光譜建模及分析,分別對類不平衡問題與代價問題進行實驗分析測試,驗證了