| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 特征选择研究现状 | 第12-13页 |
| 1.2.2 基于粗糙集属性约简研究现状 | 第13-15页 |
| 1.2.3 GPU高性能计算研究现状 | 第15-16页 |
| 1.3 本文的研究内容及结构安排 | 第16-17页 |
| 1.3.1 本文的研究内容 | 第16页 |
| 1.3.2 论文的结构安排 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第2章 预备知识 | 第18-29页 |
| 2.1 特征选择 | 第18-19页 |
| 2.1.1 搜索策略 | 第18-19页 |
| 2.1.2 评价函数 | 第19页 |
| 2.2 粗糙集理论 | 第19-22页 |
| 2.2.1 决策信息系统 | 第19-20页 |
| 2.2.2 二元关系 | 第20页 |
| 2.2.3 近似集 | 第20-21页 |
| 2.2.4 知识约简 | 第21-22页 |
| 2.3 CUDA编程模型 | 第22-28页 |
| 2.3.1 异构计算 | 第23-25页 |
| 2.3.2 线程结构 | 第25-26页 |
| 2.3.3 硬件结构 | 第26-28页 |
| 2.3.4 存储结构 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于经典粗糙集模型的并行属性约简算法 | 第29-52页 |
| 3.1 引言 | 第29页 |
| 3.2 基于经典粗糙集模型的属性约简原理及算法 | 第29-35页 |
| 3.2.1 前向贪心属性约简算法 | 第29-30页 |
| 3.2.2 代表性的属性重要度评价函数 | 第30-33页 |
| 3.2.3 算例 | 第33-35页 |
| 3.3 并行属性约简原理及算法 | 第35-46页 |
| 3.3.1 并行计算条件划分 | 第35-37页 |
| 3.3.2 并行计算相交矩阵 | 第37-40页 |
| 3.3.3 并行计算属性重要度评价函数 | 第40-45页 |
| 3.3.4 并行属性约简算法 | 第45-46页 |
| 3.4 实验与分析 | 第46-51页 |
| 3.4.1 实验环境 | 第46-47页 |
| 3.4.2 实验数据 | 第47页 |
| 3.4.3 性能分析 | 第47-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于邻域粗糙集模型的并行属性约简算法 | 第52-70页 |
| 4.1 引言 | 第52页 |
| 4.2 基于邻域粗糙集模型的属性约简原理及算法 | 第52-57页 |
| 4.2.1 邻域粗糙集模型 | 第52-56页 |
| 4.2.2 算法设计 | 第56-57页 |
| 4.3 并行属性约简原理及算法 | 第57-63页 |
| 4.3.1 基于关系矩阵的并行属性约简算法 | 第57-59页 |
| 4.3.2 改进的并行属性约简算法 | 第59-61页 |
| 4.3.3 基于Multi-GPU的并行属性约简算法 | 第61-63页 |
| 4.4 实验与分析 | 第63-69页 |
| 4.4.1 实验数据 | 第63-64页 |
| 4.4.2 性能分析 | 第64-69页 |
| 4.5 本章小结 | 第69-70页 |
| 总结与展望 | 第70-72页 |
| 本文总结 | 第70页 |
| 研究展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第79页 |