Klasifikace dokumentů s využitím GPU-PSO

Abstract

Tato diplomová práce se zabývá problémem klasifikace vektorů, se zaměřením na kategorizaci textů pomocí relativně nového stochastického evolučního algoritmu Particle Swarm Optimization (PSO). Tento algoritmus byl použit na problému klasifikace textů v článku [4], kde dosáhl nejlepších výsledků v porovnání s jinými uvedenými algoritmy na klasifikaci. Algoritmus a celý proces je však výpočetně velice náročný. Primárním cílem této práce bylo navrhnout a implementovat vylepšení za účelem zvýšení rychlosti výpočtu. Zrychlení doby výpočtu bylo možné díky využití paralelních výpočtů na GPU. Implementace v prostředí CUDA využívá vysokého výpočetního výkonu grafických karet ve zpracování paralelních úloh. Bylo dosaženo několikanásobného urychlení celkové doby výpočtu vykonáním kritických částí na GPU. Dále je zde uveden současný stav klasifikace pomocí PSO a na GPU. V této práci jsou také zhodnoceny provedené experimenty a výsledky.

This thesis deals with the vector classification problem, focusing on text categorization using the relatively new stochastic evolutionary algorithm, Particle Swarm Optimization (PSO). This algorithm was used on the text classification problem in [4], where he achieves the best results in comparison with other algorithms mentioned there. The algorithm and the whole process is very computationally demanding. The primary goal of this thesis was to design and implement improvement in order to speed up whole process. The calculation speed up was possible because of parallel computing on GPUs. Implementation in CUDA uses the high computing performance of graphic cards in parallel processing tasks. Multiple acceleration of the process was achieved by executing critical parts on the GPU. The current state of the PSO classification and classification on the GPU is given. Performed experiments and results are evaluated.