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--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于GPU的数据流聚类及相关性分析

摘要第4-5页
Abstract第5页
引言第8-10页
1 GPU与数据流第10-22页
    1.1 GPU通用计算和CUDA架构第10-14页
        1.1.1 GPU通用计算发展简介第10-13页
        1.1.2 CUDA编程模型第13-14页
    1.2 数据流和数据流挖掘第14-18页
        1.2.1 简介第14-15页
        1.2.2 描述模型第15页
        1.2.3 概要数据结构第15-17页
        1.2.4 挖掘算法第17-18页
    1.3 GPU处理数据流的研究现状第18-22页
        1.3.1 数据流处理的挑战第18-19页
        1.3.2 GPU并行处理数据流的优势第19-20页
        1.3.3 GPU处理数据流挖掘的研究现状第20-22页
2 GPU上数据流处理架构第22-30页
    2.1 数据的处理架构第22-23页
    2.2 GPU并行数据流处理架构第23-28页
    2.3 基于GPU的数据流处理的数据模型第28-29页
    2.4 本章小结第29-30页
3 基于K-means的数据流聚类的并行优化第30-41页
    3.1 数据流聚类简介第30页
    3.2 数据流的聚类挖掘的相关工作第30-31页
    3.3 K-means算法的并行优化第31-34页
        3.3.1 K-means算法第31-32页
        3.3.2 K-means算法的并行优化第32-34页
    3.4 实验和结果第34-40页
        3.4.1 实验核心代码第34-37页
        3.4.2 实验数据和环境第37-40页
        3.4.3 实验结果和分析第40页
    3.5 本章小结第40-41页
4 GPU上基于KCCA的高维数据流关联分析第41-54页
    4.1 问题概述和相关工作第41-42页
        4.1.1 高维非平稳数据流的相关性分析的并行化的问题概述第41-42页
        4.1.2 相关工作第42页
    4.2 Kernel CCA第42-47页
        4.2.1 高维向量的线性关系第42-44页
        4.2.2 典型关联性分析(CCA)第44-45页
        4.2.3 Kernel CCA第45-47页
    4.3 并行方法设计第47-50页
        4.3.1 核矩阵的并行计算第48-49页
        4.3.2 局部更新策略第49-50页
    4.4 实验和结果第50-53页
        4.4.1 实验核心代码第50-51页
        4.4.2 实验数据和实验环境第51-52页
        4.4.3 实验结果和分析第52-53页
    4.5 本章小结第53-54页
结论第54-55页
参考文献第55-58页
攻读硕士学位期间发表学术论文情况第58-59页
致谢第59-60页

论文共60页,点击 下载论文
上一篇:初态涨落与三角流的iEBE-VISHNU模拟研究
下一篇:虎头鞋帽、白草帽辫、东鲁纸扎--山东新泰民间工艺美术调研