基于FPGA的聚類算法的加速平臺的研究與設計.pdf

1、聚類分析在人類工作生活中扮演著越來越重要的角色，目前已被廣泛運用于許多不同的領域，如市場調研、模式識別、數(shù)據挖掘、圖像處理、客戶分割、Web文檔分類等。隨著互聯(lián)網和電子商務的飛速發(fā)展，各行各業(yè)采集、積累或急需處理的數(shù)據呈現(xiàn)海量式的增長。海量的數(shù)據大大降低了聚類分析的效率，針對各種聚類算法加速的研究成為了人們探討的重要課題。不同的應用領域以及不同類型的數(shù)據集需要使用不同的聚類算法才能夠獲得較好的聚類效果，由此可見高效實現(xiàn)多種聚類算法是很有

2、必要的。
　　目前聚類算法的加速平臺主要有云計算平臺和硬件加速平臺，其中硬件加速平臺主要有GPU、FPGA以及ASIC。云計算平臺采用集群的方式將應用進行劃分，然后將劃分后的任務分配到各個PC節(jié)點，各個節(jié)點處理任務并將計算結果匯總到總機。這種加速方式需要多個PC機，而且算法的加速最終受限于網絡帶寬;硬件加速平臺利用硬件自身速度快的特點，使用硬件來代替軟件或者CPU來實現(xiàn)具體功能邏輯，而且大量的內置硬件邏輯部件使得硬件加速平臺可以更

3、好地采用并行和流水的方式加速算法的執(zhí)行。硬件加速平臺的加速效果好、不受限于帶寬而且相比云計算平臺加速成本更低。綜上，硬件加速平臺是算法加速的一種有效的加速平臺。
　　目前，硬件加速器的設計大多針對單一特定的算法，對加速器的通用性和靈活性的研究很少。雖然GPU提供了解決通用性和靈活性的方法，但是對通用性和靈活性的支持使得GPU帶來了高能耗的問題，而FPGA會獲得更好的節(jié)能效果。但是目前基于FPGA的加速器都是針對特定算法設計特定的硬

4、件加速模塊的，使得該硬件加速器僅支持一種算法，大大限制了硬件加速器的通用性和靈活性。能否設計一種基于FPGA的硬件加速器，使之能夠支持多種聚類算法呢？
　　本文采用軟硬件結合的方式實現(xiàn)了一個基于FPGA的硬件加速系統(tǒng)平臺，它能夠支持K-means、PAM、SLINK、DBSCAN四種聚類算法和兩種相似度度量標準?；趯λ惴ǖ臒狳c代碼和局部性的分析，加速器解決了頻繁的片外訪存問題，最后通過提取熱點代碼的公共算子，最大化地平衡了加速器