基于CUDA的并行SOM算法優(yōu)化及應(yīng)用.pdf

1、隨著計(jì)算機(jī)的普及,互聯(lián)網(wǎng)用戶數(shù)持續(xù)不斷增長(zhǎng),網(wǎng)絡(luò)上每天產(chǎn)生大量的數(shù)據(jù)。同時(shí),一些具有大規(guī)模用戶的信息系統(tǒng),每天新增大量的數(shù)據(jù)。數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)算法為我們從繁雜的數(shù)據(jù)中提取有價(jià)值的信息提供了可行的方法,但是這些算法的學(xué)習(xí)流程復(fù)雜,往往需要迭代學(xué)習(xí),處理大規(guī)模的數(shù)據(jù)時(shí)間代價(jià)大。雖然有用信息能被挖掘,但是信息可能已經(jīng)不具有時(shí)效性,這就需要加速算法的執(zhí)行。采用高性能機(jī)或CPU集群的方式固然能加快算法的執(zhí)行,但是企業(yè)需要承擔(dān)巨額的資金投入。

2、r>　　目前,多核技術(shù)已經(jīng)發(fā)展的相對(duì)成熟,GPU的性能遠(yuǎn)遠(yuǎn)超過了CPU的性能,利用GPU的多核特性,充分發(fā)掘算法的并行能力成為科學(xué)研究領(lǐng)域的熱點(diǎn)。本文主要研究的就是如何將SOM算法進(jìn)行并行化改造,使其在CPU和GPU協(xié)作的環(huán)境中加速,并利用CUDA平臺(tái)來加速文本數(shù)據(jù)的聚類過程。
　　本文從數(shù)據(jù)挖掘算法中的SOM聚類算法的發(fā)展和當(dāng)前瓶頸出發(fā),重點(diǎn)研究了SOM算法在CUDA環(huán)境下的并行學(xué)習(xí)方法和CUDA加速文本聚類的方法,取得了以下的

3、研究成果:
　　本文對(duì) SOM算法的概念和邏輯設(shè)計(jì)進(jìn)行了研究,設(shè)計(jì)并實(shí)現(xiàn)了基于 CUDA平臺(tái)的并行SOM算法,充分利用了GPU的多核性能。經(jīng)過實(shí)驗(yàn)證實(shí),并行的SOM聚類算法在大數(shù)據(jù)環(huán)境下,加速效果十分明顯。
　　本文設(shè)計(jì)了利用CUDA平臺(tái)加速文本挖掘中文本特征向量計(jì)算的方法,這種方法改進(jìn)了傳統(tǒng)的串行文本特征向量提取方法,經(jīng)過實(shí)驗(yàn)證實(shí),采用并行計(jì)算文本特征向量的方法可以獲得優(yōu)秀的加速效果。通過使用CPU和GPU的協(xié)作框架,對(duì)算