基于GPU的并行支持向量机的设计与实现
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-13页 |
| ·基于GPU的高性能计算的发展及研究现状 | 第13-16页 |
| ·支持向量机研究现状 | 第16-17页 |
| ·本论文的主要研究内容 | 第17-18页 |
| 第2章 基于GPU的并行计算原理 | 第18-28页 |
| ·并行计算基本概念 | 第18-20页 |
| ·Flynn分类 | 第19页 |
| ·数据并行与任务并行 | 第19页 |
| ·常见的并行算法 | 第19-20页 |
| ·GPU简介 | 第20-21页 |
| ·CUDA简介 | 第21-24页 |
| ·CUDA线程模型 | 第21-22页 |
| ·CUDA存储模型 | 第22-24页 |
| ·基于GPU的编程模型 | 第24-27页 |
| ·OpenCL架构 | 第24-25页 |
| ·OpenCL编程模型 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 SVM并行算法设计 | 第28-44页 |
| ·SVM简介 | 第28-29页 |
| ·SMO训练算法简介 | 第29-31页 |
| ·基于LibSVM的SVM仿真 | 第31-33页 |
| ·算法并行点分析 | 第33-37页 |
| ·多分类器训练 | 第33-35页 |
| ·矩阵运算 | 第35-36页 |
| ·寻找样本 | 第36-37页 |
| ·并行算法设计 | 第37-42页 |
| ·训练算法设计 | 第37-41页 |
| ·预测算法设计 | 第41-42页 |
| ·算法性能分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 SVM的OpenCL实现 | 第44-58页 |
| ·开发环境搭建 | 第44-45页 |
| ·Kernel设计 | 第45-48页 |
| ·数据预处理 | 第48-49页 |
| ·设备初始化 | 第49-50页 |
| ·程序初始化和缓存 | 第50-51页 |
| ·内存分配 | 第51-53页 |
| ·命令列队优化 | 第53-54页 |
| ·运行参数选择 | 第54-55页 |
| ·循环展开 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 实验结果分析 | 第58-63页 |
| ·程序运行环境建立 | 第58页 |
| ·实验数据预处理 | 第58-59页 |
| ·运行时间测量 | 第59页 |
| ·基于GPU的并行支持向量机仿真 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的论文 | 第69页 |
