| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-10页 |
| 1 频繁项集挖掘算法介绍 | 第10-22页 |
| ·引言 | 第10-11页 |
| ·Apriori算法 | 第11-13页 |
| ·FP-tree算法 | 第13-16页 |
| ·dstree算法 | 第16-19页 |
| ·estdec算法 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 2 一种挖掘数据流频繁项集的新算法——NSWGA算法 | 第22-33页 |
| ·引言 | 第22页 |
| ·NSWGA算法的理论基础 | 第22-32页 |
| ·滑动窗口技术 | 第22-25页 |
| ·遗传算法 | 第25-32页 |
| ·NSWGA算法的计算过程 | 第32页 |
| ·本章小结 | 第32-33页 |
| 3 NSWGA算法的具体实现 | 第33-43页 |
| ·引言 | 第33页 |
| ·NSWGA算法描述 | 第33-40页 |
| ·NSWGA算法分析 | 第40页 |
| ·试验与分析 | 第40-42页 |
| ·试验 | 第40-42页 |
| ·实验结果分析 | 第42页 |
| ·本章小结 | 第42-43页 |
| 4 NSWGA挖掘算法在GPU上的实现 | 第43-53页 |
| ·引言 | 第43页 |
| ·GPU简介 | 第43-44页 |
| ·GPU发展简史 | 第44-45页 |
| ·基于GPU的编程语言CUDA | 第45-47页 |
| ·CUDA编程架构 | 第45-46页 |
| ·CUDA任务分配调度策略 | 第46-47页 |
| ·NSWGA算法的GPU实现 | 第47-50页 |
| ·试验与分析 | 第50-52页 |
| ·试验 | 第50-51页 |
| ·实验结果分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-60页 |