基于GPU的文本分类算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·文本分类研究现状 | 第11-13页 |
| ·GPU通用计算的研究现状 | 第13页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第2章 相关理论与技术 | 第16-28页 |
| ·GPU通用计算 | 第16-18页 |
| ·GPU简介 | 第16-17页 |
| ·传统GPGPU到CUDA | 第17-18页 |
| ·CUDA简介 | 第18-22页 |
| ·CUDA特征 | 第18-19页 |
| ·CUDA体系结构 | 第19-20页 |
| ·CUDA线程组织结构 | 第20-21页 |
| ·CUDA内存管理 | 第21-22页 |
| ·文本分类的关键技术 | 第22-26页 |
| ·文本分类的发展历史与现状 | 第22-23页 |
| ·文本分类过程描述 | 第23-24页 |
| ·文本分类的主要方法 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 基于GPU的KNN文本分类算法 | 第28-50页 |
| ·KNN算法简介 | 第28-29页 |
| ·KNN算法的分类原理 | 第28页 |
| ·KNN算法的分类流程 | 第28-29页 |
| ·KNN算法在CPU上的实现 | 第29-41页 |
| ·文本预处理 | 第29-33页 |
| ·文本特征的提取与表示 | 第33-37页 |
| ·文本相似度的计算与排序 | 第37-39页 |
| ·文本类别的判别 | 第39-40页 |
| ·基于CPU的KNN算法的评价 | 第40-41页 |
| ·基于GPU的KNN算法的改进 | 第41-49页 |
| ·问题描述 | 第41-43页 |
| ·基于GPU的文本相似度计算 | 第43-47页 |
| ·基于GPU的文本相似度排序 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于GPU的SVM文本分类算法 | 第50-64页 |
| ·SVM算法简介 | 第50-57页 |
| ·SVM算法文本分类思想 | 第50-54页 |
| ·SVM算法的求解 | 第54-57页 |
| ·LIBSVM简介 | 第57-58页 |
| ·基于GPU的SVM算法的实现 | 第58-63页 |
| ·问题描述 | 第58-59页 |
| ·基于CPU的SMO算法的并行实现 | 第59-60页 |
| ·基于GPU并行的SVM算法 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 实验与分析 | 第64-70页 |
| ·实验环境与数据 | 第64页 |
| ·实验环境 | 第64页 |
| ·实验数据 | 第64页 |
| ·实验结果与分析 | 第64-69页 |
| ·本章小结 | 第69-70页 |
| 第6章 工作总结与展望 | 第70-72页 |
| ·本文工作总结 | 第70页 |
| ·本文不足与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |
