基于最短路径策略的分层聚类方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 聚类算法 | 第10-13页 |
| 1.2.2 最短路径问题 | 第13页 |
| 1.3 主要工作与组织结构 | 第13-15页 |
| 1.3.1 主要工作 | 第13-14页 |
| 1.3.2 组织结构 | 第14-15页 |
| 第二章 相关基础 | 第15-26页 |
| 2.1 分层聚类相关概念 | 第15-19页 |
| 2.1.1 凝聚型分层聚类 | 第16-17页 |
| 2.1.2 分裂型分层聚类 | 第17-19页 |
| 2.2 A~*算法的相关概念 | 第19-22页 |
| 2.2.1 A~*算法搜索过程 | 第19-20页 |
| 2.2.2 A~*算法的可采纳性条件 | 第20-21页 |
| 2.2.3 A~*算法的信息性 | 第21页 |
| 2.2.4 A~*算法的缺点与改进策略 | 第21-22页 |
| 2.3 GPU加速技术 | 第22-25页 |
| 2.3.1 CPU/GPU异构系统 | 第23-24页 |
| 2.3.2 GPU编程方法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于最短路径策略的分层聚类算法 | 第26-38页 |
| 3.1 分层聚类算法存在的不足 | 第26页 |
| 3.2 最大简约计分的计算过程 | 第26-27页 |
| 3.3 分层聚类问题对应的最短路径问题 | 第27-29页 |
| 3.4 评估函数的设计 | 第29-31页 |
| 3.5 SPC算法的主要过程 | 第31-34页 |
| 3.5.1 冗余数据处理 | 第31-32页 |
| 3.5.2 聚类过程 | 第32-33页 |
| 3.5.3 SPC算法的理论分析 | 第33-34页 |
| 3.6 实验 | 第34-36页 |
| 3.6.1 实验环境 | 第34页 |
| 3.6.2 实验数据 | 第34-35页 |
| 3.6.3 实验结果 | 第35-36页 |
| 3.7 本章小结 | 第36-38页 |
| 第四章 基于GPU加速机制的SPC算法 | 第38-47页 |
| 4.1 SPC算法的缺点 | 第38页 |
| 4.2 SPC算法的并行化方案 | 第38-42页 |
| 4.2.1 并行计算启发函数 | 第39页 |
| 4.2.2 并行聚类过程 | 第39-42页 |
| 4.2.3 cudaSPC算法的理论分析 | 第42页 |
| 4.3 实验 | 第42-46页 |
| 4.3.1 实验环境 | 第42-43页 |
| 4.3.2 实验数据 | 第43页 |
| 4.3.3 实验结果 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 结束语 | 第47-49页 |
| 5.1 工作总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 作者简介 | 第54页 |
