商务智能应用中数据挖掘KNN算法的改进与高性能程序的实现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·概述 | 第9-10页 |
| ·KNN算法概述 | 第9页 |
| ·影响KNN算法的外在因素 | 第9-10页 |
| ·实际应用中KNN算法存在的问题 | 第10页 |
| ·GPU在并行运算中的应用 | 第10-12页 |
| ·GPGPU发展概述 | 第10-12页 |
| ·GPU在并行运算中的应用 | 第12页 |
| ·KNN算法的研究现状 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·论文主要的研究内容及方案 | 第14-16页 |
| ·研究内容 | 第14-15页 |
| ·研究方案 | 第15-16页 |
| 第二章 KNN算法改进关键技术 | 第16-37页 |
| ·CUDA简介 | 第16-19页 |
| ·高度并行、多核、异构的GPU通用计算架构 | 第16-17页 |
| ·CUDA与之前的通用计算 | 第17-19页 |
| ·CUDA模型 | 第19-34页 |
| ·CUDA线程模型 | 第19-22页 |
| ·CUDA程序编译 | 第22-29页 |
| ·CUDA编程存在的问题 | 第29-34页 |
| ·数据挖掘技术 | 第34-36页 |
| ·数据挖掘概述 | 第34页 |
| ·常用的数据挖掘算法及模型 | 第34-35页 |
| ·数据挖掘信息分析及融合 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 KNN算法改进 | 第37-55页 |
| ·标准KNN算法 | 第37-38页 |
| ·CUDA加速KNN算法的可行性 | 第38-50页 |
| ·CUDA加速KNN算法的前提 | 第38-48页 |
| ·核心思想 | 第48-50页 |
| ·标准KNN算法的性能分析 | 第50-52页 |
| ·改进后KNN算法 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 模型实现 | 第55-60页 |
| ·程序框架 | 第55页 |
| ·实验环境 | 第55-57页 |
| ·实验数据 | 第57-58页 |
| ·实验结果处理 | 第58-60页 |
| 第五章 总结展望 | 第60-61页 |
| ·本文的主要研究工作 | 第60页 |
| ·总结和下一步的工作计划 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 附录 | 第65-70页 |
| 攻读学位期间研究成果 | 第70页 |
