一种基于GPU的KNN动态扩展查询策略

来源：计算机工程杂志2018年第6期北京时间：

作者：汤佳,龚奕利,李文海

单位：武汉大学 计算机学院 软件工程国家重点实验室,武汉 430072

摘要：传统的图形处理器(GPU)执行PGrid索引K最近邻(KNN)查询方法时存在查询粒度大、冗余计算多、性能不稳定等问题。为此,基于空间KNN关系查询,提出一种基于细粒度划分查找范围的KNN查询策略。基于欧氏距离的三角不等特性构建Cell的动态查询范围扩展,实现查询范围相对于Cell各个边界距离的细粒度划分和扩展,分析给定K值时对象数量的优化格网尺度。实验结果表明,与传统KNN查询方法相比,该查询策略在不同K值和格网划分尺度下具有明显的性能优势。

关键词：图形处理器,计算统一设备架构,测试指标,K最近邻查询,格网索引