基于FPGA的大数据K-means算法优化

Lei-jun HU,Song-tao PANG, Jiong ZHU,Wei-feng GONG,Ya-qian ZHAO

Electric Power Information and Communication Technology（2016）

引用 0|浏览1

暂无评分

摘要

K-means算法是机器学习中的经典聚类算法,可用于石油、电力、金融等领域的数据挖掘.当前大数据的发展进一步推动了K-means算法的应用,但也对其计算性能提出了更高的要求.文章在对K-means算法的实现原理进行分析的基础上,提出了基于现场可编程门阵列(FieldProgrammable Gate Array,FPGA)的大数据K-means算法优化方案,以降低系统能耗与成本.K-means算法对比实验数据表明,与基于Spark框架的8核心CPU平台相比,FPGA异构平台的计算性能提升2.5～4.4倍,能耗下降68％,能效比提升7.8～13.8倍.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要