基于新型异构计算平台的数据挖掘算法研究与实现.pdf

《基于新型异构计算平台的数据挖掘算法研究与实现.pdf》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、论文题目基于新型异构计算平台的数据挖掘算法研究与实现专业学位类别工程硕士学号201222010431作者姓名彭军指导教师郭志勇副教授分类号密级注1UDC学位论文基于新型异构计算平台的数据挖掘算法研究与实现（题名和副题名）彭军（作者姓名）指导教师郭志勇副教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士专业学位类别工程硕士工程领域名称电子与通信工程提交论文日期2015.4.30论文答辩日期2015.5.15学位授予单位和日期电子科技大学2015年6月日答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。RESEARCHANDIMPLEMENT

2、IONOFDATAMININGALGORITHMBASEDONNEWHETEROGENEOUSCOMPUTINGPLATFORMAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:MasterofEngineeringAuthor:JunPengAdvisor:AssociateProf.ZhiyongGuoSchoolofCommunicationandInformationSchool:Engineering独创性声明本人声明所呈交的学位论文是本人在导

3、师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名：日期：年月日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、

4、汇编学位论文。（保密的学位论文在解密后应遵守此规定）作者签名：导师签名：日期：年月日摘要摘要大数据时代的到来极大地推动了数据挖掘算法的研究与应用，其中KNN算法和K-means算法作为“十大数据挖掘算法”中分类算法与聚类算法的代表，被广泛应用于文本信息分类、金融预测、生物基因工程、图像信息处理等各个领域。然而随着信息和数据的爆炸式增长，KNN算法与K-means算法的快速实现面临着巨大的挑战，基于FPGA的新型异构计算平台为加速此类算法的实现提供了新的解决方案。与大型工作站或计算机集群相比，基于FPGA的新型异构计算平台具有价格更低、体积更小等优势；与GPU平

5、台相比，FPGA平台具有功耗更低、能量效率更高等优势。因此，本文基于FPGA新型异构计算平台，对KNN和K-means两种数据挖掘算法进行OpenCL异构实现研究。首先，本文基于FPGA异构计算平台的特点，设计了KNN算法的异构实现方案KB-KNN。为了充分发挥异构平台的优势，本文将待分类数据进行分组，并采用设备间流水的并行实现方案，使异构系统中的主机与从机同时参与运算，增加硬件资源的利用率。在FPGA加速内核的设计上，本文改进了KNN算法中传统的一维并行排序方案，采用了更易并行，结构更加简单的K并行冒泡实现结构。为了充分利用FPGA的全局内存带宽，本文使用访

6、存聚合等优化方法，提高了系统的吞吐量。其次，本文设计了基于FPGA异构计算平台的K-means算法实现方案FP-Kmeans。根据算法的特点，采用FPGA与CPU协同计算的实现方案，增加了硬件资源的利用率。对系统的访存行为进行了优化，减少全局内存的访问，并充分利用私有内存与本地内存提高了数据读取与写入的速度。最后，本文基于FPGA+CPU的异构计算平台，采用不同数据集对KB-KNN和PF-Kmeans异构加速方案进行了实现与测试，并分别与现有的基于GPU平台的方案CU-KNN和CU-Kmeans进行对比。测试结果表明，KB-KNN方案与移植到FPGA平台上的C

7、U-KNN方案相比获得了1.7倍的加速比，与原始CU-KNN方案相比获得了1.5倍的能效比。本文设计的PF-Kmeans方案与移植到FPGA平台上的CU-Kmeans方案相比获得了2.3倍的加速比，与原始CU-Kmeans方案相比获得了2.1倍的能效比。关键词：异构计算，FPGA，数据挖掘算法，OpenCLIABSTRACTABSTRACTThecomingofbigdataagetremendouslycatalyzestheresearchandapplicationofdatamining.TheKNNandK-meansasthemostfamouss

8、ortingandclustering