通用GPU计算在分类算法中的研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题背景 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·研究内容 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·全文组织结构 | 第13-14页 |
| 第二章 相关技术及研究基础 | 第14-24页 |
| ·分类算法 | 第14-19页 |
| ·分类算法简介 | 第14页 |
| ·分类过程和评估方法 | 第14-16页 |
| ·常用的分类算法 | 第16-19页 |
| ·通用GPU计算 | 第19-24页 |
| ·并行编程模型 | 第19-20页 |
| ·GPU硬件结构 | 第20-21页 |
| ·CUDA体系结构 | 第21-22页 |
| ·CUDA线程模型 | 第22页 |
| ·CUDA存储器模型 | 第22-24页 |
| 第三章 基于CUDA的算法设计思想 | 第24-32页 |
| ·GPU算法设计原则 | 第24-30页 |
| ·对GPU性能优势的分析 | 第24-25页 |
| ·一般原则 | 第25-27页 |
| ·性能优化策略 | 第27-28页 |
| ·存储方案分析 | 第28-30页 |
| ·GPU算法评估 | 第30-32页 |
| ·加速比 | 第30-31页 |
| ·计算/通讯比 | 第31-32页 |
| 第四章 K最近邻分类在GPU上的实现 | 第32-44页 |
| ·引言 | 第32页 |
| ·GSNN算法框架 | 第32-34页 |
| ·K最近邻算法分析 | 第32-33页 |
| ·整体计算流程 | 第33-34页 |
| ·算法实现 | 第34-40页 |
| ·距离计算中的并行分块策略 | 第34-36页 |
| ·最近邻的选择方法 | 第36-39页 |
| ·决定分类标号 | 第39-40页 |
| ·实验与结果分析 | 第40-44页 |
| 第五章 基于CUDA的SVM训练算法 | 第44-60页 |
| ·引言 | 第44页 |
| ·算法思想 | 第44-48页 |
| ·求解方法 | 第44-46页 |
| ·算法优化策略 | 第46-48页 |
| ·并行SVM算法 | 第48页 |
| ·GMP-CSVC训练算法 | 第48-55页 |
| ·算法流程 | 第49页 |
| ·算法说明 | 第49-51页 |
| ·核函数的计算 | 第51-53页 |
| ·避免线程内分支 | 第53-54页 |
| ·并行规约在求解依赖问题中的应用 | 第54-55页 |
| ·实验结果与分析 | 第55-60页 |
| 第六章 GMP-nuSVC分类器的实现 | 第60-74页 |
| ·引言 | 第60页 |
| ·GMP-nuSVC训练算法 | 第60-66页 |
| ·算法思想 | 第60-63页 |
| ·算法流程 | 第63-65页 |
| ·实现策略 | 第65-66页 |
| ·GMP-nuSVC标号判定算法 | 第66-70页 |
| ·算法思想 | 第66-67页 |
| ·算法流程 | 第67页 |
| ·算法说明 | 第67-70页 |
| ·实验结果与分析 | 第70-74页 |
| 第七章 总结与展望 | 第74-76页 |
| ·全文总结 | 第74-75页 |
| ·工作展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间发表的论文 | 第82-83页 |
| 致谢 | 第83-84页 |
