首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

大规模并行排序学习算法研究

摘要第5-6页
ABSTRACT第6-7页
符号对照表第10-11页
缩略语对照表第11-14页
第一章 绪论第14-20页
    1.1 相关研究背景第14-15页
    1.2 国内外研究现状第15-18页
        1.2.1 排序学习算法的研究现状第15-16页
        1.2.2 国内外并行计算研究现状第16-18页
    1.3 本文主要研究内容第18-19页
    1.4 本文组织架构第19-20页
第二章 并行排序学习算法相关知识概述第20-32页
    2.1 排序学习算法第20-25页
        2.1.1 排序学习概念第20-22页
        2.1.2 排序支撑矢量机第22-24页
        2.1.3 排序学习评价指标第24-25页
    2.2 并行硬件架构第25-27页
        2.2.1 GPU架构第25-26页
        2.2.2 Intel MIC众核架构第26-27页
    2.3 并行编程模型第27-29页
        2.3.1 OpenCL模型第27-29页
        2.3.2 OpenMP模型第29页
    2.4 本章小结第29-32页
第三章 基于GPU的OpenCL并行排序学习算法第32-52页
    3.1 序贯最小化算法的并行性分析第32-35页
    3.2 基于单GPU的并行排序支撑矢量机算法第35-38页
    3.3 基于单GPU的PRSVM算法实验结果与分析第38-44页
        3.3.1 LETOR数据集第38-39页
        3.3.2 实验环境第39-40页
        3.3.3 单GPU上的实验结果分析第40-41页
        3.3.4 OpenCL程序可移植性实验分析第41-44页
    3.4 基于多GPU的并行排序支撑矢量机第44-50页
        3.4.1 基于多GPU的PRSVM算法实施细节第44-47页
        3.4.2 多设备间的线程同步第47-48页
        3.4.3 多GPU上的实验结果分析第48-50页
    3.5 本章小结第50-52页
第四章 基于多核与众核的OpenMP并行排序学习算法第52-62页
    4.1 基于多核CPU的OpenMP并行排序支撑矢量机实施细节第52-54页
    4.2 基于MIC的Open MP并行排序支撑矢量机实现与优化第54-55页
    4.3 实验结果与分析第55-61页
        4.3.1 实验环境第55-56页
        4.3.2 基于多核CPU与MIC的实验结果分析第56-59页
        4.3.3 基于OpenCL和OpenMP的PRSVM算法性能比较分析第59-61页
    4.4 本章小结第61-62页
第五章 总结与展望第62-64页
    5.1 本文工作总结第62-63页
    5.2 未来工作展望第63-64页
参考文献第64-68页
致谢第68-70页
作者简介第70-71页

论文共71页,点击 下载论文
上一篇:移动自组织网络中同步信道预约接入协议的研究
下一篇:O2存在下CO还原SO2为单质硫的催化剂研究