基于CUDA的概念格并行建格算法研究

摘要

形式概念分析是一种有效的知识表示与知识发现工具，在数据挖掘、知识发现、信息检索等领域得到了广泛的应用。在形式概念分析的应用过程中，首先要构建概念格，因此建格算法的效率显得十分重要。CUDA（Compute Unified Device Architecture）并行计算架构通过利用GPU（Graphic Processing Unit）的多线程并行处理能力，可以大幅度提升计算性能，已经越来越多地应用于通用并行计算。这为解决形式概念分析应用中的建格问题提供了一个新的思路。
　　本文分析了CUDA多线程编程模型的硬件架构和软件体系，深入研究了CUDA程序的优化策略。分析了FCBO算法的数据结构和逻辑结构，将FCBO算法改造使之可以在CUDA平台运行。最后将改造完成的算法移植到CUDA平台，通过实验验证了改造后的算法的合理性和可行性。
　　本文的主要贡献和创新点如下：
　　1．通过分析CUDA多线程编程模型，结合建格算法在数据结构和算法流程上的特点，提出建格算法的优化策略。根据优化策略，结合FCBO算法的特点，将其改造成能在CUDA平台运行的算法；
　　2．将改造之后的FCBO算法在CUDA平台实现，并与改造前的算法进行了对比分析。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题的背景和意义

1.2 国内外的研究现状

1.3 本文的研究内容

1.4 本文的组织结构

第二章 相关理论与技术

2.1 基础理论

2.2 CUDA 编程技术

2.3 本章小结

第三章 基于 CUDA 的概念格并行构造

3.1 并行建格算法

3.2 建格算法与 CUDA

3.3 CUDA 平台建格算法性能优化

3.4 本章小结

第四章 基于 CUDA 的建格算法设计

4.1 FCBO 算法

4.2 FCBO 算法性能分析

4.3 对 FCBO 算法的改造

4.4 对改造之后的 FCBO 的算法实验分析

4.5 本章小结

第五章 基于 CUDA 的建格算法实现

5.1 实验平台

5.2 基于 CUDA 的 FCBO 改进的算法实现

5.3 实验结果分析

5.4 本章小结

第六章 结论与展望

6.1 工作总结

6.2 不足之处与下一步工作

致谢

参考文献

攻读硕士期间研究成果