| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状综述 | 第10-12页 |
| 1.2.1 SOM算法研究现状 | 第10-11页 |
| 1.2.2 GPU加速数据挖掘算法的研究现状 | 第11-12页 |
| 1.3 课题研究内容 | 第12-13页 |
| 1.4 本文的结构安排 | 第13-15页 |
| 第2章 SOM网络和CUDA基本知识 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 SOM网络基本概念 | 第15-19页 |
| 2.2.1 SOM网络基本概念 | 第15-16页 |
| 2.2.2 SOM算法逻辑流程 | 第16-18页 |
| 2.2.3 SOM算法及参数分析 | 第18-19页 |
| 2.3 CUDA基本知识 | 第19-24页 |
| 2.3.1 CUDA硬件模型 | 第19-21页 |
| 2.3.2 CUDA编程模型 | 第21-23页 |
| 2.3.3 CUDA程序的编译链接 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于CUDA的并行SOM算法 | 第25-36页 |
| 3.1 引言 | 第25页 |
| 3.2 CUDA平台上并行算法设计思想 | 第25-27页 |
| 3.2.1 GPU性能优势分析 | 第25-26页 |
| 3.2.2 CUDA平台上并行算法设计原则 | 第26-27页 |
| 3.3 GPU算法性能评价指标 | 第27页 |
| 3.4 GPU上并行SOM算法设计 | 第27-32页 |
| 3.4.1 GPU上并行SOM算法核函数设计 | 第27-30页 |
| 3.4.2 并行SOM算法数据结构设计 | 第30-32页 |
| 3.5 实验与分析 | 第32-35页 |
| 3.5.1 实验环境及实验设计 | 第32-33页 |
| 3.5.2 实验结果及分析 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于并行SOM的文本聚类加速方法 | 第36-53页 |
| 4.1 引言 | 第36页 |
| 4.2 文本聚类 | 第36-39页 |
| 4.2.1 文本聚类概念及应用 | 第36-37页 |
| 4.2.2 常用的文本聚类算法 | 第37-39页 |
| 4.3 SOM算法与文本聚类 | 第39页 |
| 4.4 CUDA加速文本聚类的研究 | 第39-48页 |
| 4.4.1 CUDA平台加速文本预处理过程 | 第39-41页 |
| 4.4.2 CUDA平台加速文本特征向量抽取 | 第41-47页 |
| 4.4.3 并行文本聚类CPU/GPU协作框架设计 | 第47-48页 |
| 4.5 实验与分析 | 第48-52页 |
| 4.5.1 实验数据与实验方案 | 第48-49页 |
| 4.5.2 开发平台与工具 | 第49-50页 |
| 4.5.3 实验结果分析 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60页 |