买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安电子科技大学

摘要：本发明提供了一种雷达信号分选中利用GPU加速决策树训练的方法，解决了雷达信号分选中决策树训练时间过长，实时性差问题。包括以下步骤：获取雷达信号特征向量数据；配置决策树参数；配置GPU，训练加速决策树；测试加速决策树，验证分选准确率及加速比；将训练完成并优化后的整棵加速决策树模型送入雷达侦察设备中，进行雷达信号分选。本发明采用了多维度的雷达特征，得到更加完善的训练模型，提高雷达信号分选准确性；相比于现有并行决策树，本发明在GPU端采取合理的内存分配，线程调度，并对核函数进行指令优化，缩短运行时间，提高实时性；本发明基于CUDA体系和VS平台开发，利用C++语言进行模块化设计，易于扩展和移植。

主权项：1.一种雷达信号分选中利用GPU加速决策树训练的方法，其特征在于，包括有如下步骤：步骤1，获取雷达信号特征数据：在CPU端首先从雷达侦察系统中获取雷达的信号特征向量数据，每个特征向量包含P个特征，分为雷达的训练集和测试集，训练集共有N条数据，测试集共有N1条数据，并初始化GPU端环境；步骤2，配置决策树参数：在CPU端设置决策树的深度，基尼系数限定值参数；在GPU端根据训练集特征向量的个数和训练集数据精度开辟相应的显存，将雷达信号分选的训练集逐一拷贝到开辟好的GPU显存中；步骤3，配置GPU，训练加速决策树：在GPU端使用一维线程索引分配CUDA线程的网格Grid和线程块Block的大小；在GPU端用雷达信号训练集训练决策树，在训练过程中循环迭代执行创建雷达分类的属性列表，寻找“最佳”分割属性和分割点，拆分雷达分类的属性列表，树节点生成操作，并对循环迭代操作中的核函数采用最佳线程调度，全局内存与共享内存合理运用，代码指令优化进行加速；在较短时间内生成加速决策树，并将加速决策树逐一传送至CPU内存中；步骤4，测试加速决策树，验证分选准确率及加速比：将已读取的测试集数据依次输入到加速决策树中，验证雷达测试集信号分选准确率，若大于预定准确率，则保留整棵加速决策树，用于雷达信号分选；若小于预定准确率，则对加速决策树进行后剪枝优化操作，使其得到优化后的最优加速决策树，用于雷达信号分选；并验证加速决策树与原决策树的加速比；步骤5，利用加速决策树进行雷达信号分选：在CPU端将训练完成的整棵加速决策树或优化后的最优加速决策树传送至雷达侦察设备中，利用加速决策树进行雷达信号分选。

全文数据：

权利要求：

百度查询： 西安电子科技大学 雷达信号分选中利用GPU加速决策树训练的方法