论文部分内容阅读
为提高k-means的大数据量计算速度，结合k-means算法计算密集和计算统一设备架构（CUDA）的特点，提出了寄存器优化的并行聚类算法和滑动门并行计算中心点算法。寄存器优化的并行聚类算法优化了聚类步骤，提高了GPU的寄存器利用率，降低了数据获取延迟；滑动门并行计算中心点算法优化了中心点计算步骤，避免了数据同步，提高了GPU计算核心的利用率。实验结果表明，并行优化的k-means算法在GTX480上可获最高约137倍的加速比，有效地提高了k-means算法在单机上的运行效率。