| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外相关研究和综述 | 第9-13页 |
| 1.2.1 LDA算法的研究现状 | 第10-12页 |
| 1.2.2 广义特征值并行化求解算法的研究现状 | 第12-13页 |
| 1.2.3 基于GPU高性能硬件并行计算的研究现状 | 第13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第2章LDA算法及GPU相关技术 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 LDA算法相关知识 | 第15-18页 |
| 2.2.1 两类线性判别分析 | 第15-17页 |
| 2.2.2 多类线性判别分析 | 第17-18页 |
| 2.3 求解对称广义特征值的QR算法 | 第18-23页 |
| 2.3.1 广义特征值的求解算法 | 第18-19页 |
| 2.3.2 Hessenberg归约算法与豪斯霍尔德变换 | 第19-21页 |
| 2.3.3 Hessenberg矩阵特征值求解的QR算法 | 第21-23页 |
| 2.4 GPU和CUDA相关技术 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于CPU-GPU异构计算的广义特征值及特征向量问题求解方法 | 第27-42页 |
| 3.1 引言 | 第27页 |
| 3.2 基于CPU-GPU异构计算的矩阵块Hessenberg归约算法 | 第27-33页 |
| 3.2.1 基于矩阵块的Hessenberg归约算法 | 第27-30页 |
| 3.2.2 算法的任务分解与分析 | 第30-31页 |
| 3.2.3 基于CPU-GPU异构计算的异构调度算法的设计 | 第31-33页 |
| 3.3 基于CPU-GPU异构计算的矩阵广义特征向量算法设计 | 第33-36页 |
| 3.4 实验与分析 | 第36-41页 |
| 3.4.1 实验环境及实验设计 | 第37-38页 |
| 3.4.2 实验结果及分析 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于CPU-GPU异构计算的LDA算法实现 | 第42-53页 |
| 4.1 引言 | 第42页 |
| 4.2 基于CPU-GPU异构计算的LDA算法设计 | 第42-46页 |
| 4.2.1 基于CPU-GPU异构计算的类内和类间散度矩阵的构建 | 第42-44页 |
| 4.2.2 基于CPU-GPU异构计算的LDA算法实现 | 第44-46页 |
| 4.3 实验与分析 | 第46-52页 |
| 4.3.1 实验环境与实验设计 | 第46-47页 |
| 4.3.2 实验数据集描述 | 第47页 |
| 4.3.3 实验结果与分析 | 第47-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59页 |
