融合GPU的拟单层覆盖近似集计算方法

作者：吴正江; 吕成功; 王梦松

来源：计算机工程, 2023, 1-13.

DOI：10.19678/j.issn.1000-3428.0067603

• 拟单层覆盖近似集
• 集值信息系统
• 矩阵化
• GPU加速
• 分批处理

拟单层覆盖粗糙集是一种匹配集值信息系统且有高质量和高效率的粗糙集模型。拟单层覆盖近似集的计算过程中存在大量计算密集，逻辑简单的运算，因此本文提出了拟单层覆盖近似集的矩阵化表示方法，以期利用GPU强大的计算性能加速计算过程。为了实现这一目标，本文使用布尔矩阵表示了拟单层覆盖近似空间中的元素，引入了集合运算对应的布尔矩阵算子，提出了拟单层覆盖粗糙近似集（DE、DA、DE0与DA0）的矩阵表示，并设计了矩阵化拟单层覆盖近似集算法（M＿SMC）。同时，相应的定理证明了拟单层覆盖近似集的矩阵表示形式与原始定义的等价性。然而，M＿SMC运行过程中出现了矩阵存储和计算步骤的内存消耗过多问题。为了将算法部署到显存有限的GPU上，本文优化矩阵存储和计算步骤，提出了分批处理的矩阵化拟单层覆盖近似集算法（BM＿SMC）。在10个数据集上的实验结果展示，融合GPU的BM＿SMC算法与单纯使用CPU的BM＿SMC算法相比计算效率提高2.16-11.3倍。因此本文提出的BM＿SMC算法可以在有限的存储空间条件下充分利用GPU有效地提高拟单层覆盖近似集的计算效率。

• 单位
  河南理工大学