| 中文摘要 | 第2-3页 |
| Abstract | 第3页 |
| 中文文摘 | 第4-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 论文研究背景 | 第9-10页 |
| 1.2 论文的主要工作和主要结构 | 第10-12页 |
| 第二章 自动聚类算法相关工作 | 第12-17页 |
| 2.1 基于粒子群的自动聚类算法 | 第12页 |
| 2.2 基于蚁群的自动聚类算法 | 第12-13页 |
| 2.3 基于模拟退火的自动聚类算法 | 第13-14页 |
| 2.4 基于遗传算法的自动聚类算法 | 第14页 |
| 2.5 基于遗传编程的自动聚类算法 | 第14-15页 |
| 2.6 基因表达式编程的自动聚类算法 | 第15-16页 |
| 2.7 小结 | 第16-17页 |
| 第三章 基因表达式编程概述 | 第17-29页 |
| 3.1 编码方案 | 第17-19页 |
| 3.2 染色体的解码方法 | 第19-20页 |
| 3.3 遗传算子 | 第20-24页 |
| 3.4 适应度函数 | 第24-26页 |
| 3.5 常数处理 | 第26-27页 |
| 3.6 程序结构 | 第27-28页 |
| 3.7 小结 | 第28-29页 |
| 第四章 基于CUDA的并行GEP算法模型 | 第29-40页 |
| 4.1 统一计算设备架构概述 | 第29-36页 |
| 4.1.1 CUDA软件体系结构 | 第29-30页 |
| 4.1.2 CUDA线程组织结构 | 第30-32页 |
| 4.1.3 CUDA存储结构模型 | 第32-34页 |
| 4.1.4 CUDA编程模型 | 第34-36页 |
| 4.2 基于CUDA的主从式GEP算法模型 | 第36-37页 |
| 4.3 基于CUDA的粗粒度GEP算法模型 | 第37-38页 |
| 4.4 基于CUDA的细粒度GEP算法模型 | 第38-39页 |
| 4.5 小结 | 第39-40页 |
| 第五章 基于CUDA和GEP的并行自动聚类算法 | 第40-49页 |
| 5.1 基于GEP的自动聚类算法概述 | 第40-42页 |
| 5.1.1 GEP-Cluster聚类算法设计思想 | 第40-41页 |
| 5.1.2 GEP-Cluster聚类算法步骤 | 第41-42页 |
| 5.2 基于CGM-MS模型的自动聚类算法 | 第42-45页 |
| 5.3 基于CGM-CG模型的自动聚类算法 | 第45-46页 |
| 5.4 基于CGM-FG模型的自动聚类算法 | 第46-48页 |
| 5.5 小结 | 第48-49页 |
| 第六章 实验 | 第49-61页 |
| 6.1 实验环境和实验参数 | 第49-54页 |
| 6.1.1 实验环境 | 第49页 |
| 6.1.2 实验参数 | 第49-54页 |
| 6.2 CGM-Cluster算法和GEP-Cluster算法比较 | 第54-56页 |
| 6.3 CGC-Cluster算法和GEP-Cluster算法比较 | 第56-60页 |
| 6.4 小结 | 第60-61页 |
| 第七章 总结与展望 | 第61-62页 |
| 7.1 论文主要贡献 | 第61页 |
| 7.2 今后工作 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68-69页 |
