一种基于GPU的极大k-truss发现算法制造技术

本发明专利技术公开了一种基于GPU的极大k‑truss发现算法，步骤如下：(1)首先输入图G、k，求出图G中的k‑core，并将求得k‑core复制到显存中，初始化一个集合D为空集；(2)在显卡中使用多个线程进行处理；(3)在每个流多处理器中，对顶点v执行操作；(4)对于顶点v的邻居复制到当前流多处理器对应的共享内存中；(5)对于顶点中的每个邻居n，分配一个线程t进行处理；(6)当v的所有邻居处理完毕时，将步骤(5)中的寄存器的值求和。本发明专利技术采用上述的一种基于GPU的极大k‑truss发现算法，充分利用了CPU的并行性，运行速度快，并且，运行成本低。

【技术实现步骤摘要】
一种基于GPU的极大k-truss发现算法
本专利技术涉及数据挖掘
，尤其是涉及一种基于GPU的极大k-truss发现算法。
技术介绍
Truss作为一种稠密子图结构，与另一种常用的稠密子图结构团相比，truss对子图的限制更小，因此更容易发掘出图中隐藏的信息。Truss是一种非常常用的子图结构，目前已经在图数据挖掘等领域得到了广泛的应用。极大的k-truss是图中满足k-truss结构的联系最紧密的字图，这个字图的的k值代表了原始数据中各个顶点的最大联系程度，这个字图的大小则代表了这个社群的大小。在工业上，极大k-truss有很多的应用。首先，通过找到极大的k-truss可以确定原始图数据中顶点间联系的最大紧密程度，这是图的一个很重要的性质。其次，通过k-truss的值，我们可以限制图中其他字图结构的上限和或者下限，可以用于加速其他类型的社区发现算法。目前，较为广泛使用的方法是单机单线程的计算方法，该算法首先计算每条边上的support值，之后迭代删除最小的support值。这样最后留下的一个k-truss就是图本文档来自技高网...

【技术保护点】
1.一种基于GPU的极大k-truss发现算法，其特征在于，步骤如下：/n(1)首先输入图G、k，求出图G中的k-core，并将求得k-core复制到显存中，初始化一个集合D为空集；/n(2)在显卡中使用多个线程进行处理，显卡中的流多处理器(streamingmultiprocessor)从0开始连续编码；对显卡中的流多处理器s，顺序取得编号为s，2s，3s...的顶点，直到所有对应定顶点处理完毕；/n(3)在每个流多处理器中，对顶点v执行如下操作；/n(4)对于顶点v的邻居复制到当前流多处理器对应的共享内存中；/n(5)对于顶点中的每个邻居n，分配一个线程t进行如下处理：/na、将n的邻居复...

【技术特征摘要】
1.一种基于GPU的极大k-truss发现算法，其特征在于，步骤如下：
(1)首先输入图G、k，求出图G中的k-core，并将求得k-core复制到显存中，初始化一个集合D为空集；
(2)在显卡中使用多个线程进行处理，显卡中的流多处理器(streamingmultiprocessor)从0开始连续编码；对显卡中的流多处理器s，顺序取得编号为s，2s，3s...的顶点，直到所有对应定顶点处理完毕；
(3)在每个流多处理器中，对顶点v执行如下操作；
(4)对于顶点v的邻居复制到当前流多处理器对应的共享内存中；
(5)对于顶点中的每个邻居n，分配一个线程t进行如下处理：
a、将n的邻居复制到当前进程对应的共享内存中，并初始化一个变量r＝0；
b、检测n与v相同邻居的数量，将这个数量的值存储在r中；
(6)当v的所有邻居处理完毕时，将步骤(5)中的寄存器的值求和，这个值为顶点v的support；如果v的support小于k，将顶点v加入到D中；
(7)在CPU中开启多个线程，每次每个线程从D中取得一个顶点d，进行如下操作：
a、删除顶点d和对应的边，并将删除后的结果同步到GPU的显存中；
b、对d的每个邻居，利用GPU计算他的support值，步骤与(5)相同；如果求得的support值小于k，将k加入到D中；
(8)重复步骤(7)，直到d为空；
(9)若最后的图中有顶点剩余，返回删除后的图，否则返回一个空的图。


2.根据权利要求1所述的一种基于GPU的极大k-truss发现算法，其特征在于，基于k-core的过滤算法步骤如下：
(1)在原图上求解k-core，找到图中存在的且使k值最大的k-core；
(2)在步骤(1)得到的k-core中求解极大k...

【专利技术属性】
技术研发人员：任泽槟，李荣华，王国仁，潘敏佳，高森，蒋佳祺，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11