数据挖掘、分析学以及数据库
数据库是当今企业的命脉。搜索数据库并找到有用信息已经成为一个巨大的计算难题。学术界以及微软、Oracle、SAP等公司的研究人员将依赖于支持CUDA的GPU来找到一款可扩展的解决方案。
使用CUDA的数据分析学软件
- GPUMiner：在NVIDIA®（英伟达™）GPU（图形处理器）上执行并行数据挖掘，Fang et al，香港科技大学与微软公司
- Cmatch：在GPU（图形处理器）上快速准确字符串匹配，Schatz，Trapnel，马里兰大学
- 针对“R”的R+GPU 程序包，“R”是一款统计分析行业最常用的开源解决方案
- Multisvm：利用CUDA的多等级SVM(用以替换libSVM)
- cuSVM：支持矢量分类与衰减的CUDA使用方法
- 数据库
- IEEE光谱文章 : “为什么图形处理器将彻底改变数据库处理”，Blas以及Kladeway，Oracle公司
- GPUQP：利用GPU（图形处理器）实现查询协同处理
- 在显卡上执行并行搜索，Kaldeway，Hagen，Blas，Sedlar，Oracle公司
- Microsoft SQL中的大型文本数据类型
- 使用CUDA扩展PostgreSQL
- 商业数据库的硬件加速：Spatial Operations案例研究，Bandi以及其它
- 数据挖掘、分析学
- GPU加速的大型分析，Wu，Zhang，Hsu，HP实验室
- 在基于CUDA的市售GPU上执行K-Means
- 利用显卡处理器技术在SAP NetWeaver BIA中加速数据挖掘，Weyerhaeuser（SAP）、Mindnich（SAP）、Farber（SAP）、Lehner（德累斯顿工业大学）
- 针对在GPU上临时数据挖掘的算法转换，Sean Ponce，弗吉尼亚理工大学
- 利用加速的图形处理器高效地执行K-Means集群分析法
- GPU加速的文本挖掘
- CUDA中的直方图运算
- 一款用于在GPU上打造数据挖掘应用程序的编译器以及运行时系统
- 利用GPU进行排序
- 针对核群GPU设计的高效排序算法
- GPU快速排序库
- 利用混合型算法实现高速并行GPU排序
- 利用CUDA实现高速、灵活的排序算法
- 利用基于CUDA的BItonic netwoRk进行排序
- GPU示例排序
- GPUTeraSort：针对的大型数据库管理的高性能图形协处理器排序
- Map-Reduce / Hadoop
