版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、近紅外光譜分析技術具有快速現(xiàn)場檢測、準確、不破壞等優(yōu)點,非常適合于藥品分析。不同于一般分類問題,真假藥鑒別中存在類不平衡與代價敏感性問題。隨著精密分析儀器的廣泛使用,產(chǎn)生了高維、海量藥品數(shù)據(jù),而大部分分類算法仍采用單線程方式實現(xiàn),已無法滿足現(xiàn)場快速建模的需求。綜上所述,本文研究主要針對真假藥鑒別所具有的類不平衡、代價敏感的應用特點以及大量樣本的快速建模需求。
首先引入尺度化凸殼最大間隔分類方法(SCHMMC)解決真假藥鑒別中所
2、具有的類不平衡與代價敏感問題,并引入布谷鳥搜索(CS)算法對 SCHMMC進行參數(shù)尋優(yōu),結合兩者形成CS-SCHMMC。
其次,在研究尺度化凸殼最大間隔分類方法的基礎上,針對大規(guī)模數(shù)據(jù)樣本的建模提出一種基于CUDA的GPU并行SCHMMC算法:GPU-SCH。根據(jù)訓練過程中各個計算任務的特點,對訓練過程進行任務劃分,結合 GPU與 CPU的特點,給出GPU-SCH的兩種并行模型。通過UCI數(shù)據(jù)集分別進行穩(wěn)定性、準確性、加速性能
3、實驗測試,結果表明并行算法在不損失原算法性能的基礎上,在大數(shù)據(jù)樣本下,獲得了更高的性能,最高加速比可達18.4倍。實驗最后對兩種并行模型作出性能對比分析。
接著,在研究SCHMMC參數(shù)與核函數(shù)參數(shù)選擇優(yōu)化的基礎上,針對CS算法在求解復雜、大規(guī)模數(shù)據(jù)優(yōu)化問題時計算時間過長的問題提出一種基于 CUDA的并行布谷鳥搜索算法:GPU-CS。該并行算法通過對標準 CS算法的四個階段計算任務進行分解,分別以四個獨立的并行GPU核函數(shù)實現(xiàn),
4、并結合不同的優(yōu)化問題,給出算法的兩種并行策略。最后在四個標準測試函數(shù)上的仿真實驗表明,并行CS算法在求解收斂性與原標準算法一致的前提下,獲得了更高效的求解性能,最高加速比可達96.9倍。實驗的最后給出了兩種并行策略在不同實驗設置下的性能分析比較。
最后,給出GPU-CS對GPU-SCH進行參數(shù)選擇優(yōu)化的方法,并結合實際應用,將其應用于某藥廠琥乙紅霉素片 NIR光譜建模及分析,分別對類不平衡問題與代價問題進行實驗分析測試,驗證了
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于硬件友好核函數(shù)LS-SVM的FPGA實現(xiàn)及其在藥品鑒別中的應用.pdf
- 基于CUDA的符號回歸算法并行設計與實現(xiàn).pdf
- Turbo碼并行譯碼算法設計與基于CUDA的實現(xiàn).pdf
- 基于CUDA的Hough變換并行實現(xiàn).pdf
- 基于Normalized Cut的圖像分割及其CUDA并行實現(xiàn).pdf
- 基于CUDA并行架構AES算法的研究與實現(xiàn).pdf
- LDPC碼并行譯碼算法的研究及其基于CUDA的實現(xiàn).pdf
- 基于CUDA平臺的區(qū)域分割并行算法設計與實現(xiàn).pdf
- CUDA的圖像分割并行算法的設計與實現(xiàn).pdf
- 在AWS上基于CUDA的并行粒子群算法的研究與應用.pdf
- 穩(wěn)定同位素技術在食品鑒別中的應用
- 基于CUDA架構的MD5并行破解算法設計與實現(xiàn).pdf
- 基于深度信念網(wǎng)絡的近紅外光譜藥品鑒別研究.pdf
- 34821.非線性化學指紋圖譜技術在食品藥品鑒別評價中的應用
- 基于CUDA的分段失配濾波并行實現(xiàn)技術.pdf
- 基于CUDA平臺的LDPC碼的并行譯碼實現(xiàn)研究.pdf
- 基于CUDA的粒子濾波并行實現(xiàn)技術研究.pdf
- 基于CUDA的并行SOM算法優(yōu)化及應用.pdf
- 免疫算法的并行實現(xiàn)及其在模擬電路進化設計中的應用.pdf
- 面向可逆邏輯綜合的Q-M算法并行設計與基于CUDA的實現(xiàn).pdf
評論
0/150
提交評論