| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究的背景和意义 | 第11-13页 |
| 1.2 数据挖掘 | 第13页 |
| 1.3 关联式规则数据挖掘技术的国内外研究现状 | 第13-16页 |
| 1.4 课题主要研究内容 | 第16-19页 |
| 第2章 相关技术概述 | 第19-32页 |
| 2.1 Apriori 类算法基本原理 | 第19-22页 |
| 2.1.1 Apriori 传统算法简介及原理 | 第19-21页 |
| 2.1.2 AprioriTID 改进算法简介及原理 | 第21-22页 |
| 2.2 多核环境架构及改进算法 | 第22-26页 |
| 2.2.1 OpenMP/MPI | 第22-24页 |
| 2.2.2 Weighted Distributed Parallel Apriori (WDPA) Algorithm | 第24-26页 |
| 2.3 GPU 混合架构环境及算法 | 第26-31页 |
| 2.3.1 GPU 并行运算 | 第26-27页 |
| 2.3.2 Bitmap | 第27-29页 |
| 2.3.3 GPU-FPM | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于多核心的可负载均衡改进 Apriori 算法 | 第32-45页 |
| 3.1 问题描述 | 第32页 |
| 3.2 模型方法定义 | 第32-39页 |
| 3.2.1 项目分群 | 第32-33页 |
| 3.2.2 一阶频繁集项目排序 | 第33-35页 |
| 3.2.3 排程分配 | 第35-36页 |
| 3.2.4 快速合并 | 第36-39页 |
| 3.3 实验与结果分析 | 第39-44页 |
| 3.3.1 不同资料量比较 | 第39-42页 |
| 3.3.2 不同资料长度比较 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于多核心与 GPU 处理单元混合架构的改进 Apriori 算法 | 第45-52页 |
| 4.1 问题描述 | 第45页 |
| 4.2 基于 GPU 图形处理单元加速频繁模式挖掘算法 | 第45-49页 |
| 4.3 Multi-GPU 利用 ASFPM 运算架构 | 第49-50页 |
| 4.4 实验与结果分析 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 算法的验证与结果分析 | 第52-62页 |
| 5.1 环境设定 | 第52-54页 |
| 5.2 GPU 效能分析 | 第54-61页 |
| 5.2.1 单一 GPU 效能分析 | 第54-56页 |
| 5.2.2 Multi-GPU 运算效能分析 | 第56-61页 |
| 5.3 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间所发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |
