GPU的并行支持向量机算法

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以及核趣关方法可以越来创建精确分类模甓，但学男过程需要欠量内存和很长时阕。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 毙琨静算法，知LibSVM、SVM—perf和CB—sV醚等快的多(超过25∞镑)。