%0 Journal Article
%T 基于CUDA的KNN算法并行化研究
%A 刘志
%A 刘端阳
%A 郑江帆
%J 中山大学学报（自然科学版）
%D 2019
%X 摘要 KNN分类算法在面对大规模数据集时，计算时间将随着数据集的增大而成倍增长，为了提升算法的运算性能，设计了一种基于CUDA模型的并行KNN算法，即GS_KNN算法.针对KNN算法进行了并行化分析，在距离计算阶段采用通用矩阵乘加速，提高了计算速度;在距离排序阶段根据k值的大小提出两种策略，分别是基于k次最小值查找的最近邻选择和基于双调排序的最近邻选择；在决定分类标号阶段采用CUDA内部的原子加法操作，从而提高整体性能.使用KDDCUP99数据集对改进算法进行实验，结果表明，在保证实验结果准确性的情况下，改进算法提高了计算速度，与经典的BF-CUDA算法相比加速比达到2.8倍
%K KNN
%K CUDA
%K 并行计算
%K 大数据
%U http://xwxt.sict.ac.cn/CN/abstract/abstract4981.shtml