数据挖掘分类与聚类算法并行化研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 本文的研究内容及章节结构 | 第10-12页 |
| 1.3.1 本文的研究内容 | 第10-11页 |
| 1.3.2 本文的章节结构 | 第11-12页 |
| 第二章 GPU架构及CUDA技术介绍 | 第12-19页 |
| 2.1 GPU体系架构 | 第12-13页 |
| 2.2 CUDA概述 | 第13-14页 |
| 2.3 CUDA存储模型 | 第14-15页 |
| 2.4 CUDA编程模型 | 第15-18页 |
| 2.4.1 程序组成 | 第15-16页 |
| 2.4.2 线程结构 | 第16-17页 |
| 2.4.3 线程执行 | 第17-18页 |
| 2.5 CUDA程序优化 | 第18页 |
| 2.6 本章小结 | 第18-19页 |
| 第三章 分类算法的并行化研究 | 第19-34页 |
| 3.1 分类分析的定义 | 第19页 |
| 3.2 主要的分类算法 | 第19-22页 |
| 3.2.1 决策树 | 第19-20页 |
| 3.2.2 朴素贝叶斯 | 第20-21页 |
| 3.2.3 k近邻 | 第21页 |
| 3.2.4 支持向量机 | 第21页 |
| 3.2.5 其他分类算法 | 第21-22页 |
| 3.3 基于GPU的k近邻算法并行化 | 第22-26页 |
| 3.3.1 k近邻算法概述 | 第22-23页 |
| 3.3.2 k近邻算法分析 | 第23-24页 |
| 3.3.3 K近邻算法的并行方案设计 | 第24-26页 |
| 3.4 基于GPU的SVM算法并行化 | 第26-33页 |
| 3.4.1 支持向量机概述 | 第26-28页 |
| 3.4.2 SMO算法分析 | 第28-31页 |
| 3.4.3 SMO算法的并行方案设计 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 聚类算法的并行化研究 | 第34-43页 |
| 4.1 聚类分析的定义 | 第34页 |
| 4.2 主要的聚类算法 | 第34-35页 |
| 4.2.1 划分方法 | 第34-35页 |
| 4.2.2 层次方法 | 第35页 |
| 4.2.3 基于密度的方法 | 第35页 |
| 4.2.4 基于网格的方法 | 第35页 |
| 4.2.5 基于模型的方法 | 第35页 |
| 4.3 基于GPU的k-Means算法并行化 | 第35-38页 |
| 4.3.1 k-Means算法概述 | 第35-36页 |
| 4.3.2 k-Means算法分析 | 第36-37页 |
| 4.3.3 k-Means算法的并行方案设计 | 第37-38页 |
| 4.4 基于GPU的DBSCAN算法并行化 | 第38-42页 |
| 4.4.1 DBSCAN算法概述 | 第38-40页 |
| 4.4.2 DBSCAN算法分析 | 第40-41页 |
| 4.4.3 DBSCAN算法的并行方案设计 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 实验结果与分析 | 第43-56页 |
| 5.1 实验准备 | 第43-44页 |
| 5.1.1 实验环境 | 第43页 |
| 5.1.2 实验目的 | 第43-44页 |
| 5.1.3 实验步骤 | 第44页 |
| 5.2 G-KNN算法实验 | 第44-48页 |
| 5.2.1 实验数据 | 第44-45页 |
| 5.2.2 实验结果 | 第45-46页 |
| 5.2.3 结果分析 | 第46-48页 |
| 5.3 G-SMO算法实验 | 第48-49页 |
| 5.3.1 实验数据 | 第48页 |
| 5.3.2 实验结果 | 第48页 |
| 5.3.3 结果分析 | 第48-49页 |
| 5.4 G-k-Means算法实验 | 第49-52页 |
| 5.4.1 实验数据 | 第49-50页 |
| 5.4.2 实验结果 | 第50页 |
| 5.4.3 结果分析 | 第50-52页 |
| 5.5 G-DBSCAN算法实验 | 第52-55页 |
| 5.5.1 实验数据 | 第52页 |
| 5.5.2 实验结果 | 第52-54页 |
| 5.5.3 结果分析 | 第54-55页 |
| 5.6 相关工作 | 第55页 |
| 5.7 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 论文工作总结 | 第56-57页 |
| 6.2 研究前景展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士期间取得的科研成果 | 第62页 |
