| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-17页 |
| 1.1 医疗数据挖掘问题背景及研究意义 | 第8页 |
| 1.2 医疗数据问题研究现状 | 第8-11页 |
| 1.3 Apriori算法概述及发展 | 第11-12页 |
| 1.3.1 Apriori算法概述 | 第11-12页 |
| 1.3.2 Apriori算法发展 | 第12页 |
| 1.4 GPU通用计算概述及发展 | 第12-16页 |
| 1.4.1 GPU通用计算概述 | 第12-14页 |
| 1.4.2 GPU通用计算发展 | 第14-16页 |
| 1.5 本文的主要工作及组织结构 | 第16-17页 |
| 2 基于多GPU的并行Apriori算法 | 第17-37页 |
| 2.1 算法模型架构设计 | 第17-24页 |
| 2.1.1 线程组织设计 | 第17-21页 |
| 2.1.2 算法的存储优化设计 | 第21-23页 |
| 2.1.3 算法的并行模型设计 | 第23-24页 |
| 2.2 Apriori算法改进 | 第24-28页 |
| 2.2.1 关联规则的基本概念 | 第24-25页 |
| 2.2.2 Apriori算法描述及改进 | 第25-28页 |
| 2.3 基于多GPU的并行Apriori算法 | 第28-33页 |
| 2.3.1 算法的数据结构设计 | 第29页 |
| 2.3.2 算法的数据划分 | 第29-30页 |
| 2.3.3 算法计算过程的并行实现 | 第30-31页 |
| 2.3.4 大数据动态加载 | 第31-32页 |
| 2.3.5 并行Apriori算法的并行化模型 | 第32页 |
| 2.3.6 并行Apriori算法描述 | 第32-33页 |
| 2.4 实验与分析 | 第33-36页 |
| 2.5 本章小结 | 第36-37页 |
| 3 基于多GPU并行Apriori算法的乳腺癌诊断系统 | 第37-48页 |
| 3.1 乳腺癌疾病诊断系统的意义 | 第37-38页 |
| 3.2 基于多GPU并行Apriori算法的乳腺癌诊断系统 | 第38-46页 |
| 3.2.1 系统总体设计 | 第38-39页 |
| 3.2.2 医疗数据准备 | 第39-40页 |
| 3.2.3 医疗数据清洗 | 第40页 |
| 3.2.4 数据预处理 | 第40-41页 |
| 3.2.5 基于多GPU并行Apriori算法的关联规则挖掘 | 第41-43页 |
| 3.2.6 乳腺癌诊断规则 | 第43-46页 |
| 3.3 结果分析 | 第46-47页 |
| 3.4 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |
