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 |