《表1 改变n和d时各算法运行时间比较 (单位:s)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于CUDA的KNN算法并行化研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本实验采用模拟数据，设定测试集的大小m为1200，训练集n的大小为210到215，这样可以方便线程的访问，测试集与训练集的维度d相同，k的值设为25.由于k值较小，所以经过评估后算法采用基于k次最小值查找的最近邻选择.选择了两种算法来与GS＿KNN算法作对比.第一种算法选用了基于CPU的超快近似最近邻搜索算法库，即ANN-C++[16]，另一种选用了BF-CUDA算法.改变n和d的大小，实验结果如表1所示，可以看出GS＿KNN算法在相同数据集上的性能上要优于ANN-C++算法和BF-CUDA算法，并且随着训练集大小和维度的增加，GS＿KNN算法相较于这两个算法的加速比也越来越高，当n等于215，d等于256时，GS＿KNN算法相对于ANN-C++算法的加速比为145，相对于BF-CUDA算法的加速比为2.8.