پیاده سازی موازی الگوریتم K-nearest neighbor برروی GPU با استفاده از CUDA

الگوریتم K-nearest neighbor یکی ازپرکاربردترین الگوریتم های کلاس بندی است که درزمینه های مختلفی مورد استفاده قرارگرفته است یکی ازچالشهای پیشروی این الگوریتم زمان اجرای نسبتا بالای آن است برای غلبه براین موضوع عمدتا فضای مسئله را با نمونه گیری ازداده های خام کوچکتر می کنند این امر باعث میشود تا میزان خطای کلاس بندی افزایش یابد بدیهی است که هرگونه راه حلی که سرعت اجرای این الگوریتم را بدون کاهش فضای داده ها افزایش دهد یک راه حل بهتر تلقی میشود دراین مقاله یک پیاده سازی موازی برای این الگوریتم برروی معماری CUDA ارایه شده است که بدون کاهش فضای داده های مسئله به speed up درحدود 20 نایل میشود.