通过GPU加速数据挖掘的研究进展和实践

被引：21

作者：

戴春娥

陈维斌

傅顺开

李志强

机构：

[1] 华侨大学计算机科学与技术学院

来源：

计算机工程与应用 | 2015年 / 51卷 / 16期

关键词：

数据挖掘; GPU加速; 并行计算; 协同过滤;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

将计算密度高的部分迁移到GPU上是加速经典数据挖掘算法的有效途径。首先介绍GPU特性和主要的GPU编程模型,随后针对数据挖掘主要任务类型分别介绍基于GPU加速的工作,包括分类、聚类、关联分析、时序分析和深度学习。最后分别基于CPU和GPU实现协同过滤推荐的两类经典算法,并基于经典的Movie Lens数据集的实验验证GPU对加速数据挖掘应用的显著效果,进一步了解GPU加速的工作原理和实际意义。

引用

页码：109 / 116

页数：8

共 17 条

[1]

数据挖掘分类算法研究 [D].

郭炜星 .

浙江大学,

2008

[2]

G-DBSCAN: A GPU Accelerated Algorithm for Density-based Clustering.[J].Guilherme Andrade;Gabriel Ramos;Daniel Madeira;Rafael Sachetto;Renato Ferreira;Leonardo Rocha.Procedia Computer Science.2013,

[3]

The WEKA data mining software.[J].Mark Hall;Eibe Frank;Geoffrey Holmes;Bernhard Pfahringer;Peter Reutemann;Ian H. Witten.ACM SIGKDD Explorations Newsletter.2009, 1

[4]

Frequent pattern mining: current status and future directions [J].