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--模式识别与装置论文

面向GPGPU的并行增量式聚类算法研究

摘要第1-6页
Abstract第6-11页
1 绪论第11-23页
   ·引言第11页
   ·增量式聚类分析概述第11-15页
     ·聚类分析第11-13页
     ·增量式聚类分析第13-15页
   ·并行增量式聚类算法与 GPGPU 概述第15-18页
     ·并行计算的需求与 GPGPU 的优势第15-16页
     ·并行增量式聚类算法相关研究现状第16-18页
     ·本文的研究意义第18页
   ·本文研究内容及成果第18-20页
   ·本文章节安排第20-23页
2 GPGPU 加速背景下的增量式聚类及相关算法分析第23-41页
   ·引言第23页
   ·增量式聚类分析相关概念的形式化定义第23-25页
   ·GPGPU 加速的并行计算所具有的特点第25-27页
     ·GPGPU 加速的计算机系统存在的并行性第25-26页
     ·GPGPU 友好程序具有的特点第26-27页
   ·增量式聚类及相关算法分析第27-33页
   ·增量式聚类算法精度与 GPGPU 并行性分析第33-39页
     ·逐个数据块处理方式第34-37页
     ·逐个数据点处理方式第37-39页
   ·“聚类精度-GPGPU 并行性”平衡性分析第39-41页
3 自顶向下的增量式高斯混合模型聚类算法第41-79页
   ·引言第41页
   ·现有算法的不足第41-45页
     ·聚类模型阶次辨识第41-43页
     ·簇对的统计等价性辨识第43页
     ·等价簇对的合并第43-45页
   ·本章提出的 TDIGMM 算法第45-51页
     ·总体流程第45-46页
     ·近似累计的贝叶斯信息准则第46-48页
     ·具有弹性的簇对统计等价性辨识方法第48-49页
     ·改进的等价簇对合并方法第49-51页
   ·实验及分析第51-77页
     ·算法性能指标第52-53页
     ·实验环境及参数设置第53-54页
     ·输入数据分块方式及数据点次序对 TDIGMM 算法精度的影响第54-57页
     ·精度及并行性分析第57-77页
   ·本章小结第77-79页
4 以演进粒度为中心的非参数化增量式聚类算法第79-109页
   ·引言第79页
   ·增量式聚类算法演进粒度分析第79-88页
     ·增量式聚类算法演进粒度相关概念形式化定义第80-81页
     ·演进粒度与错误隶属的关系第81-87页
     ·演进粒度与 GPGPU 并行性的关系第87-88页
   ·本章提出的 EGC 算法第88-93页
     ·基本思路第88页
     ·整体流程第88-91页
     ·生成微型簇的方法第91页
     ·处理微型簇的方法第91-93页
   ·实验及分析第93-108页
     ·算法性能指标第93-95页
     ·实验环境及参数设置第95页
     ·精度及并行性分析第95-108页
   ·本章小结第108-109页
5 基于通用计算设备架构(CUDA)优化并行增量式聚类算法第109-123页
   ·引言第109页
   ·并行数据传输第109-112页
     ·CUDA 架构下数据传输的并行性第110-111页
     ·使用流水线模式隐藏数据传输延迟第111-112页
   ·数据重排序——优化 EGC 算法第112-114页
     ·CUDA 的内存层级结构及 GPGPU 全局内存访问模式的特点第112-113页
     ·现有工作及其不足第113页
     ·通过数据重排序优化 EGC 算法第113-114页
   ·数据预读取——优化 TDIGMM 算法第114-117页
     ·现有工作及其不足第114-116页
     ·使用数据预读取优化 TDIGMM 算法第116-117页
   ·实验结果及分析第117-120页
     ·数据并行传输第118-119页
     ·数据重排序第119页
     ·数据预读取第119-120页
   ·本章小结第120-123页
6 总结与展望第123-127页
   ·论文工作总结第123-124页
   ·后续工作与发展方向第124-127页
参考文献第127-135页
致谢第135-137页
攻读博士学位期间发表的学术论文和参加科研情况第137-139页

论文共139页,点击 下载论文
上一篇:癌症诊疗中的医学图像配准和分割算法研究
下一篇:基于WSN的田野文物入侵侦测系统设计与关键技术研究