基于GPU的支持向量机文本挖掘算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题来源及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状分析 | 第10-18页 |
| 1.2.1 SVM算法的研究现状 | 第10-11页 |
| 1.2.2 GPU高性能计算的研究现状 | 第11-18页 |
| 1.3 本文的研究内容与结构 | 第18-19页 |
| 第二章 基于CUDA的GPU开发体系构建 | 第19-37页 |
| 2.1 GPU技术简介 | 第19-23页 |
| 2.1.1 GPU简介 | 第19-20页 |
| 2.1.2 GPU与多核CPU | 第20-23页 |
| 2.2 CUDA简介 | 第23-34页 |
| 2.2.1 CUDA编程模型 | 第23-27页 |
| 2.2.2 CUDA存储模型 | 第27-30页 |
| 2.2.3 CUDA硬件体系 | 第30-32页 |
| 2.2.4 CUDA软件体系 | 第32-34页 |
| 2.3 GPU开发环境的建立 | 第34-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 基于CUDA的SVM算法设计与实现 | 第37-53页 |
| 3.1 SVM算法 | 第37-44页 |
| 3.1.1 SVM算法原理分析 | 第37-39页 |
| 3.1.2 基于LIBSVM的支持向量机的测试 | 第39-40页 |
| 3.1.3 LIBSVM的计算流程 | 第40-44页 |
| 3.2 LIBSVM的并行实现 | 第44-52页 |
| 3.2.1 LIBSVM算法的CUDA实现框架 | 第44-48页 |
| 3.2.2 核函数矩阵形成的CUDA实现 | 第48-52页 |
| 3.3 本章小结 | 第52-53页 |
| 第四章 基于CUDA的SVM算法的性能测试 | 第53-60页 |
| 4.1 测试硬件环境和开发环境的搭建 | 第53页 |
| 4.2 数据集 | 第53页 |
| 4.3 性能评测方法 | 第53-54页 |
| 4.4 计算效率对比分析 | 第54-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文 | 第66页 |
