| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题背景及研究的目的和意义 | 第8-10页 |
| 1.2 国内外相关研究工作 | 第10-15页 |
| 1.2.1 GPU并行计算技术的历史和发展现状 | 第10-12页 |
| 1.2.2 GPU在自然语言处理领域中的研究现状 | 第12-13页 |
| 1.2.3 GPU优化聚类算法的研究现状 | 第13-15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第2章 相关技术 | 第18-31页 |
| 2.1 仿射传播聚类算法及性能分析 | 第18-21页 |
| 2.1.1 仿射传播聚类算法 | 第18-19页 |
| 2.1.2 APC算法的性能分析 | 第19-21页 |
| 2.2 布朗聚类算法及其优化方法 | 第21-25页 |
| 2.2.1 布朗聚类算法 | 第21-22页 |
| 2.2.2 基于预先计算的优化 | 第22-24页 |
| 2.2.3 基于固定窗.的优化 | 第24-25页 |
| 2.3 GPU计算 | 第25-30页 |
| 2.3.1 GPU架构 | 第25-26页 |
| 2.3.2 通用GPU计算 | 第26-28页 |
| 2.3.3 GPU的共享内存 | 第28页 |
| 2.3.4 GPU的并行策略 | 第28-29页 |
| 2.3.5 GPU的同步机制 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 仿射传播聚类算法的GPU实现及其应用 | 第31-42页 |
| 3.1 引言 | 第31-32页 |
| 3.2 层次仿射传播聚类算法 | 第32-35页 |
| 3.3 层次仿射传播聚类算法的GPU加速方法 | 第35-38页 |
| 3.3.1 相似度的并行计算 | 第36页 |
| 3.3.2 消息矩阵的并行计算 | 第36-38页 |
| 3.4 基于GPU的仿射传播聚类算法的应用研究 | 第38-41页 |
| 3.4.1 中文手写识别 | 第38-39页 |
| 3.4.2 实验数据 | 第39页 |
| 3.4.3 实验环境 | 第39-40页 |
| 3.4.4 评价指标 | 第40页 |
| 3.4.5 实验结果与分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 布朗聚类算法的GPU实现及其应用 | 第42-69页 |
| 4.1 引言 | 第42页 |
| 4.2 GPU中共现概率矩阵的存储 | 第42-44页 |
| 4.3 固定窗.布朗聚类的GPU加速方法 | 第44-52页 |
| 4.3.1 并行初始化权值矩阵 | 第46-47页 |
| 4.3.2 并行初始化权值变化矩阵 | 第47页 |
| 4.3.3 并行更新共现概率矩阵 | 第47-49页 |
| 4.3.4 并行更新权值矩阵 | 第49页 |
| 4.3.5 并行更新权值变化矩阵 | 第49-50页 |
| 4.3.6 寻找合并簇 | 第50-52页 |
| 4.4 基于GPU的布朗聚类算法的应用研究 | 第52-68页 |
| 4.4.1 基于GPU的布朗聚类在药物名称识别中的应用 | 第52-59页 |
| 4.4.2 基于GPU的布朗聚类在查询意图检测中的应用 | 第59-68页 |
| 4.5 本章小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第74-76页 |
| 致谢 | 第76页 |