GPU的并行支持向量机算法

• 作 者: DO Thanh-Nghi NGUYEN Van-Hoa P
• 机 构: CollegeofInformationTechnology,INRIARennes,UniversitedeRennesI
• 出 处: 计算机科学与探索
• 发表日期: 2009年4期
• 关键词: 支持向量机 图形处理器 最少次方SVM support vector machine （SVM） general purpose graphics proc

提出了一种新的并行增量式支持向量机算法来解决图形处理单元（GPU）中大规模数据集的分类问题。SVM以及核相关方法可以用来创建精确分类模型，但学习过程需要大量内存和很长时间。扩展了Suykens和Vandewalle提出的最少次方SVM（LS—SVM）方法来建立增量和并行算法。新算法使用图形处理器以低代价获得高系统性能。实现表明，在UCI和Delve数据集上，基于GPU并行增量算法较CPU实现方法快130倍，而且比现行算法，如LibSVM、SVM—perf和CB—SVM等快的多（超过2500倍）。