基于OpenCL的隐马尔可夫模型的GPU并行实现

摘要：

隐马尔可夫模型(HMM)是建立在马尔可夫链的基础上的统计模型.虽然隐马尔可夫模型是一种计算高效的机器学习模型,但是当处理的数据集规模过于庞大时,分析的时间太长.因此,我们有必要研究隐马尔可夫模型的并行化设计,以提高模型的运算速度.近年来,开放计算语言(OpenCL)的出现,使得设计通用的并行程序成为可能.该文,我们分析了隐马尔可夫模型三类算法的并行特性,并设计基于OpenCL的并行实现.实验结果表明,隐马尔可夫模型在GPU上的并行化实现最高获得了640倍的加速比.

关键词：隐马尔可夫模型、GPU通用计算、OpenCL、并行计算

分类号：TP301(计算技术、计算机技术)

在线出版日期：2013-09-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：30-31