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。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社