面向基於圖的數據挖掘的FPGA加速方法研究

《面向基於圖的數據挖掘的FPGA加速方法研究》是依託華中科技大學，由胡昱擔任項目負責人的面上項目。

基本介紹

• 中文名：面向基於圖的數據挖掘的FPGA加速方法研究
• 項目類別：面上項目
• 項目負責人：胡昱
• 依託單位：華中科技大學

中文摘要

高效的數據挖掘方法在信息爆炸的雲計算時代顯得尤為重要。現場可程式門陣列（FPGA）是一種靈活的半定製電路，可以在流片以後用軟體進行功能定製。儘管很多基於FPGA的數據挖掘加速算法在過去的五年中已經被提出，基於圖的數據挖掘（一種在知識發現（KDD）領域的重要技術手段）的FPGA加速算法還沒有被深入研究。本項目的核心研究內容是利用FPGA對基於圖的數據挖掘問題進行硬體加速以及相關的基礎科學技術問題。本項目的目標包括：針對基於圖的數據挖掘問題建立一套高性能、高能效的FPGA的加速IP庫、最佳化和設計FPGA體系結構、設計一套考慮軟錯誤的容錯FPGA體系結構和CAD算法。本項目所建立的IP庫將簡化編程模型、提高計算效率，很大程度上擴大基於圖的數據挖掘的實踐套用；同時本項目所提出的新的FPGA體系結構和CAD算法將為FPGA廠商設計下一代FPGA提供依據。

結題摘要

高效的“數據挖掘”方法在信息爆炸的“雲計算”時代顯得尤為重要。在此項目中，我們圍繞“基於圖的數據挖掘”中的相似度度量算法，動態時間規整（Dynamic Time Warping，DTW），進行了三個方面的研究：基於 FPGA和模擬電路的高性能加速引擎研究，基於CPU+FPGA架構的加速架構研究和面向物聯網的套用研究。 在高性能加速引擎研究上， 我們提出了一套可擴展，可配置和高能量效率的基於FPGA 的 DTW 處理平台。相比於已有DTW的FPGA實現，我們提出的FPGA平台在相同性能的基礎上能夠提供運行中的可配置性，進而能夠高效的處理不同特性的數據。我們同時提出了一種基於模擬電路的DTW加速引擎，相比於已有的DTW硬體實現，加速性能可提高2-3個數量級。高性能加速引擎能夠加速數據中心的海量數據處理速度，同時提升數據處理的能量效率，對需要處理大量數據的物聯網和雲計算具有重要意義。 在基於CPU+FPGA架構的加速架構研究上，我們提出了一種CPU+FPGA異構平台的DTW加速架構。相比已有的基於指令集擴展的異構架構，我們提出的異構平台能夠獲得6.91倍的加速和3.88倍的能量效率提升。基於異構計算的嵌入式平台是物聯網中的主要設備，本項目提出的高性能和高能量效率的嵌入式平台將會極大的促進具有移動性和高能效性要求的物聯網套用的發展。 在面向物聯網的套用研究上，我們將DTW算法套用到智慧型醫療和智慧型交通的套用。針對智慧型醫療，我們提出了一種基於DTW和EMD兩種相似度度量的睡姿檢測系統。相比於已有的睡姿檢測系統，我們提出的睡姿檢測算法的正確率提升了8.01%。針對智慧型交通套用，我們提出了一套交通檢測平台，其車輛檢測正確率達到88%。智慧型醫療是智慧型交通是物聯網中的兩個重要分支，以上兩個套用的成功實現能夠推動物聯網的套用發展。