文件名称：GPU的并行支持向量机算法
文件大小：616KB
文件格式：PDF
更新时间：2013-02-13 13:26:51
GPU 并行 向量机算法
：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）