基于cuda的svm算法并行化研究_张巍

《基于cuda的svm算法并行化研究_张巍》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第卷第期４０４　年月２０１３４计算机科学Ｃｏｍｐｕｔｅｒ　ＳｃｉｅｎｃｅＶｏｌ．４０Ｎｏ．４Ａｐｒ　２０１３基于ＣＵＤＡ的ＳＶＭ算法并行化研究张巍张功萱王永利张永平朱昭萌１，２１１１１　　　　　（南京理工大学计算机科学与技术学院南京）１　２１００９４（淮阴师范学院计算机科学与技术学院淮安）２　２２３３００　摘要　　ＳＶＭ算法在统计分类以及回归分析中得到了广泛的应用。而随着物联网的迅速发展，ＳＶＭ算法在各种应用中往往需要解决大量数据的快速处理问题。在ＳＶＭ算法并行化研究中，首先对ＳＶＭ算法进行分析研究，提出了基于ＣＵＤＡ的ＳＶＭ算

2、法并行化方案；其次，进一步研究海量数据的处理，提出海量数据处理的并行化方案；最后，通过实验分析对比了并行化算法的性能。关键词　ＣＵＤＡＧＰＵ，，支持向量机，并行计算中图法分类号文献标识码　ＴＰ３９１．４　　　　Ａ　Ｒｅｓｅａｒｃｈ　ｏｆ　Ｐａｒａｌｌｅｌ　ＳＶＭ　Ａｌｇｏｒｉｔｈｍ　Ｂａｓｅｄ　ｏｎ　ＣＵＤＡ１，２１１１１ＺＨＡＮＧ　Ｗｅｉ　　ＺＨＡＮＧ　Ｇｏｎｇ－ｘｕａｎ　ＷＡＮＧ　Ｙｏｎｇ－ｌｉ　　ＺＨＡＮＧ　Ｙｏｎｇ－ｐｉｎｇ　ＺＨＵ　Ｚｈａｏ－ｍｅｎｇ１（，，，）Ｓｃｈｏｏｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎ

3、ｄ　ＴｅｃｈｎｏｌｏｇｙＮａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　ＴｅｃｈｎｏｌｏｇｙＮａｎｊｉｎｇ　２１００９４Ｃｈｉｎａ２（，，，）Ｓｃｈｏｏｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　ＴｅｃｈｎｏｌｏｇｙＨｕａｉｙｉｎ　Ｎｏｒｍａｌ　ＵｎｉｖｅｒｓｉｔｙＨｕａｉａｎ　２２３３００Ｃｈｉｎａ　Ａｂｓｔｒａｃｔ　ＳＶＭ　ｈａｓ　ｂｅｅｎ　ｗｉｄｅｌｙ　ｕｓｅｄ　ｉｎ　ｓｔａｔｉｓｔｉｃａｌ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ａｎｄ　ｒｅｇｒｅｓｓｉｏｎ　ａｎａｌｙｓｉｓ．Ｗｉｔｈ　ｔｈｅ　ｒａｐｉ

4、ｄ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆＩｎｔｅｒｎｅｔ　ｏｆ　ＴｈｉｎｇｓＳＶＭ　ａｌｇｏｒｉｔｈｍｓ　ｉｎ　ｖａｒｉｏｕｓ　ａｐｐｌｉｃａｔｉｏｎｓ　ｏｆｔｅｎ　ｎｅｅｄ　ｔｏ　ａｄｄｒｅｓｓ　ｔｈｅ　ｃｈａｌｌｅｎｇｅｓ　ｉｎ　ｔｈｅ　ｒａｐｉｄ　ｐｒｏｃｅｓｓｉｎｇ，ｏｆ　ｌａｒｇｅ　ａｍｏｕｎｔｓ　ｏｆ　ｄａｔａ．Ｆｉｒｓｔｌｙｔｈｉｓ　ｐａｐｅｒ　ｓｔｕｄｉｅｄ　ＳＶＭ　ａｌｇｏｒｉｔｈｍ　ｐａｒａｌｌｅｌｉｚａｔｉｏｎ　ａｎｄ　ｐｒｏｐｏｓｅｄ　ａ　ｐａｒａｌｌｅｌ　ＣＵＤＡ－ｂａｓｅｄ，ＳＶＭ　ａｌｇｏｒｉｔｈｍ　ｓｃｈ

5、ｅｍｅａｎｄ　ｔｈｅｎ　ｆｕｒｔｈｅｒ　ｒｅｓｅａｒｃｈｅｄ　ｔｈｅ　ｍａｓｓｉｖｅ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇｒａｉｓｅｄ　ａ　ｍａｓｓｉｖｅ　ｐａｒａｌｌｅｌ　ｄａｔａ　ｐｒｏｃｅｓ－，，ｓｉｎｇ　ｐｒｏｇｒａｍ．Ｆｉｎａｌｌｙ，ｔｈｅ　ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　ｔｈｅ　ｐａｒａｌｌｅｌ　ａｌｇｏｒｉｔｈｍ　ｗａｓ　ｃｏｍｐａｒｅｄ　ｖｉａ　ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔａｌ　ａｎａｌｙｓｉｓ　ｃｏｍｐａｒｉｎｇ．Ｋｅｙｗｏｒｄｓ　ＣＵＤＡＳｕｐｐｏｒｔ　ｖｅｃｔｏｒ　ｍａｃｈｉｎｅＰａｒａｌｌｅｌ　ｃｏｍｐｕｔｉｎｇ

6、，，，ＧＰＵ　引言１　用利用更广。随着物联网的快速发展，存储系统中信息数据变得越来越庞大，通过来对数据进行快速处理，已经ＣＵＤＡ越来越多的传感器、移动终端和计算机通过网络联系起成为一个重要的研究领域。在解决小样本、非线性以及高维模式识别问题中具来，这也就是常说的物联网。物联网把传感器装备到电网［１］、ＳＶＭ有特有的优势。这里的小样本指的是算法和问题的复铁路、桥梁、隧道、公路、建筑、供水系统、大坝、油气管道以及ＳＶＭ杂度相对而言所需样本数比较少，而不是指样本的绝对数量家用电器等各种真实物体上，通过互联网联接起来，进而运行。在的研究

7、中［８］显示，在各种分类算法中更多的样本总特定的程序，以达到远程控制或者实现物与物的直接通信Ｂａｎｋｏ。能具有更好的分类效果。随着物联网数据量处理的快速增 物联网融合各种信息技术，将物体接入信息网络，实现人大，对算法并行化的研究具有很重要的意义。在参考与物、物与物之间的互联互通。未来信息产业的发展由信息ＳＶＭ文献中对算法的加速并行化都进行了相关研］、网络向全面感知和智能应用两个方向拓展延伸和突破、［９１１－ＳＶＭ。究支持向量机是一种监［］２。ＳＶＭ本文首先介绍ＳｕｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ的基本概念算法的基本原ｐｐ　　（，

8、）督式学习的方法，它广泛地应用于统计分类以及回归分析中ＣＵＤＡＳＶＭ、。理等相关背景其次分析算法提出了基于的；，ＳＶＭ在许多物联网的数据应用领域如数据质量、异常数据［３］ＳＶＭＣＵＤＡ并行化算法最后通过实验数据对算法进行了分析验；，ＳＶＭ检测、数据挖掘［５］等都