K-means算法并行實現(xiàn)與性能優(yōu)化.pdf

1、K-means算法是最常用的聚類算法之一。由于K-means算法易于理解和實現(xiàn)，并且執(zhí)行效率比一般聚類算法要高，所以在模式識別、機器視覺和信息檢索等領(lǐng)域得到了廣泛應(yīng)用。本文通過CUDA技術(shù)實現(xiàn)了K-means算法，并對算法實現(xiàn)的性能以及擴展性進行了研究。
　　CUDA技術(shù)是NVIDIA公司提出的GPU并行計算解決方案。GPU是專門用于圖像運算工作的處理器，而圖像處理任務(wù)具有并行和計算密集的特點，所以GPU非常適合于并行計算工作。在

2、使用CUDA實現(xiàn)K-means算法的過程中，一方面需要了解CUDA的技術(shù)特點，另一方面需要考慮算法的實現(xiàn)細節(jié)。
　　為了提高算法的性能，本文通過在保存分組信息的結(jié)構(gòu)中加入標記信息，實現(xiàn)了算法循環(huán)條件的并行計算，使用流機制實現(xiàn)GPU端數(shù)據(jù)傳輸和計算的并行，使用異步機制實現(xiàn)了主機端和設(shè)備端操作的并行。通過對所涉及到的各種存儲器進行研究，論文優(yōu)化了算法的訪存操作。在處理大數(shù)據(jù)集和小數(shù)據(jù)集時，本文算法采用了不同的實現(xiàn)。通過這種分類處理方法