一种基于图形处理器的频繁模式挖掘算法

一种基于图形处理器的频繁模式挖掘算法

ID:1109060

大小:1.17 MB

页数:7页

时间:2017-11-07

一种基于图形处理器的频繁模式挖掘算法_第1页
一种基于图形处理器的频繁模式挖掘算法_第2页
一种基于图形处理器的频繁模式挖掘算法_第3页
一种基于图形处理器的频繁模式挖掘算法_第4页
一种基于图形处理器的频繁模式挖掘算法_第5页
资源描述:

《一种基于图形处理器的频繁模式挖掘算法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第10期白洪涛等:一种基于图形处理器的频繁模式挖掘算法1623第10期白洪涛等:一种基于图形处理器的频繁模式挖掘算法1623第10期白洪涛等:一种基于图形处理器的频繁模式挖掘算法1623一种基于图形处理器的频繁模式挖掘算法*白洪涛1,2,欧阳丹彤1,2,何丽莉1,2(1 吉林大学计算机科学与技术学院 长春 130012;2 吉林大学符号计算与知识工程教育部重点实验室 长春 130012)摘 要:频繁模式挖掘是数据挖掘的核心问题。传统上,频繁模式并行挖掘主要是在集群上进行的,较少涉及共享内存多处理系统上的并行挖掘。

2、基于广度优先搜索和直接计数策略研究了一种并行挖掘方法,并在图形处理器(graphicsprocessingunit,GPU)最新统一计算设备架构CUDA(computeunifieddevicearchitecture)下进行了实现。GPU-basedFPMA用CPU控制搜索进程;在GPU的多处理器上,采用数据划分的计算策略,以适合GPU的顺序数据流方式计数,并根据候选项的长度动态剪枝事务数据集。实验结果表明,GPU-basedFPMA比CPU版本平均加速了10倍以上。关键词:关联规则;频繁模式;图形处理器;并行

3、计算;统一计算设备架构中图分类号:TP311.1  文献标识码:A  国家标准学科分类代码:520.3020GPU-basedfrequentpatternminingalgorithmBaiHongtao1,2,OuyangDantong1,2,HeLi1i1,2(1CollegeofComputerScienceandTechnology,JilinUniversity,Changchun130012,China;2KeyLaboratoryofSymbolicComputationandKnowledgeE

4、ngineeringofMinistryofEducation,JilinUniversity,Changchun130012,China)Abstract:Frequentpatternminingisanimportantissueindataminingarea.Traditionally,parallelfrequentpatternminingiscarriedoutinPCclusters,andseldomrelatedtomulti-processorsormassivecoreswithshar

5、edmemories.Inthispaper,weproposeaparallelfrequentpatternminingalgorithmsuitableforGPU(graphicsprocessingunit)basedonwidthsearchanddirectsupportstrategy.Itisimplementedundercomputeunifieddevicearchitecture(CUDA)ofGPU.Inthisalgorithm,CPUtakeschargeofsearchproce

6、ssandGPUisresponsibleforcountingusingdatapartition.Inaddition,transactionsaredynamicallyprunedaccordingtothelength(k)ofcandidatefrequentitemsets.PerformanceanalysisshowsthatGPU-basedFPMAreachesanaveragespeedasfastasthatof10timesofCPU-basedcounterpart.Keywords

7、:associationrule;frequentpattern;GPU;parallelcomputing;CUDA第10期白洪涛等:一种基于图形处理器的频繁模式挖掘算法20831 引  言收稿日期:2008-11  ReceivedDate:2008-11*基金项目:国家自然科学基金重大项目(60496320,60496321)、国家自然科学基金(60773097,60873148)资助项目自关联规则挖掘[1]的概念被提出以来,频繁模式挖掘算法的发展得到了相当多的关注,在关联规则挖掘、推理数据库和查询扩展等方

8、向应用众多。面对日益增长、特征各异的数据集,算法面临的一个基本问题是如何保证高效运行。基于对算法效率瓶颈的理解和问题解决方案,产生了多种代表性算法,如Apriori[2]、Partition[3]、Eclat[4]、Fp-growth[5]等。其中除Fp-growth是一种典型的模式增长类算法,其他3种都是候选-计数模型类算法。其后,诸多算法对原始算法或进行改进,或衍生变

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。