基于CUDA的kNN算法在流量分类领域的应用方法研究的任务书.docx

基于CUDA的kNN算法在流量分类领域的应用方法研究的任务书
任务书：基于CUDA的kNN算法在流量分类领域的应用方法研究
背景介绍：
随着互联网和大数据技术的发展，网络流量分类技术越发重要。网络流量分类技术可以帮助网络管理员对网络流量进行快速的识别与分析，从而有效的监控网络安全，优化网络性能。kNN算法是目前网络流量分类中比较流行的一种算法，该算法利用K个最接近的邻居确定分类结果，同时该算法具有高准确性和能够适应高维度特征。然而，由于kNN算法的计算量很大，单个CPU设备处理速度较慢，因此需要通过并行计算进行优化。
任务描述：
本次任务旨在探究基于CUDA的kNN算法在流量分类领域的应用方法，具体内容如下：
1.研究kNN算法的原理、特点以及在流量分类领域的应用情况；
2.研究CUDA架构和CUDA编程模型的基本原理和方法；
3.探究基于CUDA的kNN算法的并行计算优化方法、并行算法设计与实现；
4.编写CUDA并行程序，设计并实现基于CUDA的kNN流量分类算法；
5.通过实验对基于CUDA的kNN算法进行性能测试，对比基于CPU的kNN算法，分析CUDA算法的优化效果；
6.编写论文，撰写实验报告。
任务要求：
1.美国时间2022年11月1日之前完成任务；
2.全英文撰写论文和报告；
3.要求使用的技术语言包括：C/C++，CUDA，Python等；
4.实验至少需要使用1个CUDA平台的并行加速卡，同时需要在CPU平台上进行性能测试和比较；
5.要求论文内容全面、准确，实验数据合理、可靠，报告结构清晰、简明扼要。
参考文献：
1.曹素芳,杨林,胡东雨,等.基于深度特征的网络流量分类技术[J].中国图象图形学报,2018,23(7):1176-1182.
2.王思童,张辉,凌国河.基于CUDA的kNN算法并行化研究[J].计算机科学与探索,2021:1-10.
3.Keller-McNulty,S.A.,&Poston,T.C.(2015).Networktrafficflowclassificationusingmachinelearning:Anintroduction.SIGCASComputersandSociety,45(3),211-216.
4.Douglass,R.J.,Ma,K.L.,&Juvekar,M.(2018).AGPU-basedparallelknnalgorithmforfast,arbitraryrankordersearch.JournalofParallelandDistributedComputing,113,218-232.