基于GPU的数据挖掘分类算法的设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 逻辑回归 | 第10-11页 |
| 1.2.2 GPU通用计算 | 第11-12页 |
| 1.3 本文结构及安排 | 第12-13页 |
| 第二章 分类算法与逻辑回归 | 第13-30页 |
| 2.1 数据挖掘 | 第13-15页 |
| 2.1.1 数据挖掘概述 | 第13-14页 |
| 2.1.2 数据挖掘应用 | 第14-15页 |
| 2.2 分类算法 | 第15-22页 |
| 2.2.1 分类算法概述 | 第15-16页 |
| 2.2.2 分类算法比较 | 第16-22页 |
| 2.3 逻辑回归 | 第22-29页 |
| 2.3.1 线性回归与最小二乘法 | 第23-26页 |
| 2.3.2 逻辑回归与极大似然法 | 第26-27页 |
| 2.3.3 梯度下降与随机梯度下降 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 GPU并行计算技术 | 第30-45页 |
| 3.1 GPU简介 | 第30-31页 |
| 3.2 GPU体系结构 | 第31-32页 |
| 3.3 CUDA介绍 | 第32-44页 |
| 3.3.1 CUDA软件体系 | 第32-34页 |
| 3.3.2 CUDA编程模型 | 第34-37页 |
| 3.3.3 CUDA存储器模型 | 第37-39页 |
| 3.3.4 CUDA高性能编程 | 第39-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于GPU的逻辑回归算法 | 第45-62页 |
| 4.1 Mahout简介 | 第45页 |
| 4.2 Mahout中逻辑回归算法 | 第45-51页 |
| 4.2.1 Mahout分类模型 | 第45-46页 |
| 4.2.2 算法整体概述 | 第46-49页 |
| 4.2.3 算法改进分析 | 第49-51页 |
| 4.3 JNI技术 | 第51-52页 |
| 4.4 逻辑回归并行实现 | 第52-57页 |
| 4.4.1 算法框架设计 | 第52-54页 |
| 4.4.2 算法具体实现 | 第54-57页 |
| 4.5 性能测试及分析 | 第57-61页 |
| 4.5.1 测试环境与测试数据 | 第57-58页 |
| 4.5.2 测试结果及分析 | 第58-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-63页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |
