基于GPU的并行化Apriori算法的设计与实现

摘要：

大数据和高度并行的计算架构的时代已经来临,如何让传统的串行数据挖掘方法在当下获得更高的效率是一个值得探讨的问题.根据现代GPU大规模并行运算架构的特点(单结构多数据),对传统的串行Apriori算法进行并行化处理.使用最新的CUDA技术完成对传统串行Apriori算法中的支持度统计、候选集生成这两个计算的并行化实现,讨论了多种实现方法的差异,并提出改进方案.实验表明:改进后的并行算法使支持度统计在10000条事务的条件下效率提高16％,候选集生成在10000条事务的条件下效率提高25％.

关键词：数据挖掘、关联规则、频繁模式、并行算法

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家海洋公益性行业专项201305026

在线出版日期：2014-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：238-243