[发明专利]一种GPU上的基于着色优化的置信传播方法

权利要求书

1.一种GPU上的基于着色优化的置信传播方法，其步骤包括：

1)将需要处理的概率图数据G(V,E,Ψ)加载到设备内存中；其中V为概率图的顶点集，E为概率图的边集，Ψ为概率集，包括概率图中每个顶点取不同标记的概率值和每条边对应的转移概率值；每个顶点v_i对应于集合x中的一个离散随机变量X_i，x＝{X₁,X₂,…,X_n}，n为顶点总数，X_i∈A_i，A_i为有限标签集；每一条边(v_i,v_j)对应于两个顶点v_i和v_j上变量不同取值之间的概率关系；设置每次着色操作的迭代次数C_n、判断信息是否收敛的阈值ξ以及置信传播结束计算的时间阈值T_ξ；

2)初始化信息变量数组M及其缓冲变量数组M’均为0，为每个线程分配一个边信息计算任务，计算每个边上的信息值并记录到变量数组M中；第一次迭代时根据变量数组M当前值和M’中的初始值，计算第一次迭代时每条边上的信息残差R；然后将变量数组M的值复制到变量数组M’中；后续每次迭代时进行步骤3)～8)；

3)用V_color表示顶点的color值，每个顶点的color值初始化为对应顶点的ID；用V_wave表示顶点的wave值并初始化为0，用E_wave表示边上的wave值并初始化为0；

4)为每个线程分配一个边信息计算任务，计算对应边上的信息值并记录到变量数组M中；

5)为每个线程分配一个顶点v_i任务，将当前顶点v_i的顶点残差初始化为0，然后遍历以该顶点v_i为终点的边，如果该边上的信息残差大于该顶点v_i的顶点残差，则将其赋值给顶点v_i的顶点残差；

6)根据顶点残差进行C_n次迭代的着色操作：为每个线程分配一个顶点v_i任务，遍历以该顶点v_i为终点的边e_j,i，如果边e_j,i的起点v_j的顶点残差大于顶点v_i的顶点残差，则将顶点v_j的ID赋值给顶点的color值，更新顶点v_i的wave值为顶点v_j的wave值加1、边e_j,i的wave值为顶点v_i的wave值；此过程迭代进行C_n次，完成C_n次迭代着色操作；

7)先按边的wave值倒序对边的信息值进行更新，然后按边的wave值正序对边的信息值进行更新；

8)根据变量数组M、缓冲变量数组M’中的信息，计算当前迭代时每条边上的信息残差R；然后将变量数组M的值复制到变量数组M’中；M’用于保存上次迭代得到的信息值；

9)根据当前信息残差R与预设的阈值判断是否结束计算：如果每条边的信息残差R均小于阈值ξ，则结束计算，跳转到步骤10)；或者如果信息残差R中小于阈值ξ的变量数趋于稳定，则结束计算，跳转到步骤10)；如果执行时间大于或等于时间阈值T_ξ，则结束计算，跳转到步骤10)；否则继续进行迭代计算；

10)根据最终计算所得的边的信息值计算出每个顶点取不同变量时的概率值，即每个顶点的置信度。