老师说要实验测试，但是我不会编程，希望哪位好心人帮帮我，给我个简单点的编程，实验测试结果用来体现，基于GPU的k-mesna算法啊能够使计算机性能更快，处理数据事假 能够缩短！

就算有人真的帮你实现了，你真能把CUDA的环境搭建好然后编译运行吗？

有程序就够了！
4.6.1 实验环境
实验在一台配有Pentium 4 3.4 GHz CPU和NVIDIA Ge-Force7800GT显卡的方正PC上进行,显卡256MB,主存1 GB,使用操作系统为W indowsXP ProfessionalSP2。基于GPU的聚类算法采用OpenGL API加以实现,基于CPU的聚类算法用VC++6. 0实现;GPU与CPU之间的纹理和数据传送采用PCI-Express 16x作为总线接口。实验数据采用(http: //mlearn.ics.uc.iedu/MLSummary. html)UCImachine learning repository中的数据集pen-based recognition of handwritten digits。这个数据集有600条记录,将数据集的大小取在10 KB~16MB,簇的个数为8~128,维度是4~20,数据点的各维属性为32位的单精度浮点数。在由CPU完全进行运算和CPU与GPU协同模式运算的两种模式下比较算法执行的效率。
4.6.2 测试结果
效率评价采用算法执行时间进行度量。算法的总代价为数据I/O传输时间transtime和聚类计算时间clustime。基于GPU+CPU模式的算法执行时间clustime包括在GPU与CPU之间传送数据的时间与在GPU中的计算时间(用G-C-K表示基于GPU+CPU模式的enhanced_K-means算法,用C-K表示基于CPU的enhanced_K-means算法,以下同此)。图3所示是G-C-K和C-K算法的聚类计算时间transtime的比较。G-C-K执行时间大概是C-K执行时间的45%。这是因为子素处理器的并行计算能力,现代GPU通常具有多个子素处理器,在本文进行实验的NVIDIA GeForce6800中有16个子素处理器,通过GPU中硬件优化的向量指令进行距离计算,从而进一步加速了聚类算法中距离计算操作。实验还比较了基于GPU+CPU模式和基于CPU模式的enhanced_K-means算法的总执行时间代价,如图4所示。G-C-K执行时间约是C-K执行时间的65%,即G-C-K执行效率提高了35%,与图3相比略有增加。这是因为在总的计算时间中考虑了I/O传输时间,这部分执行时间占总时间的一定比例,而在聚类计算分析中没有包括I/O传输时间分析,所以会出现这种情况。

但是不符合k-means算法 ，而且我也不知道 这个是怎么编程的 我需要程序！

基于cuda（GPU）的k-means算法程序，也行，请哪位大神给一下！

呜呜。
　　　　------天为什么要下雨？因为他憋不住了。～

看来一下原论文的实验结果和结论，虽然CPU+GPU加快了一点时间，但是考虑到GPU的能耗的话恐怕就不划算了……
就是不知道用现在的GPU跑会是什么结果。最近搞这方面研究的论文很少不提能耗了吧

这个我去年就写过了，给点外包费，我发给你