| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 引言 | 第10-12页 |
| 1 图像处理器通用计算和CUDA架构 | 第12-16页 |
| ·图像处理器发展简介 | 第12-13页 |
| ·从GPGPU到CUDA | 第13-14页 |
| ·CUDA编程模型 | 第14-16页 |
| ·主机与设备 | 第14页 |
| ·线程结构 | 第14-15页 |
| ·存储器结构 | 第15页 |
| ·执行模型 | 第15-16页 |
| 2 规则数据流和非规则数据流 | 第16-22页 |
| ·数据流简介 | 第16页 |
| ·规则流和非规则流的定义 | 第16-17页 |
| ·数据流模式 | 第17-18页 |
| ·概要数据结构的维护 | 第18-20页 |
| ·基于界标模型的方法 | 第18-19页 |
| ·基于滑动窗口模型的方法 | 第19-20页 |
| ·流数据挖掘算法 | 第20-22页 |
| 3 基于GPU的规则流中三维图像重构方法 | 第22-37页 |
| ·电子断层三维重构技术 | 第22-23页 |
| ·介绍 | 第22-23页 |
| ·迭代重构法思想 | 第23页 |
| ·电子断层三维重构实例和投影图像样本 | 第23-25页 |
| ·电子断层三维重构实例的过程 | 第23-24页 |
| ·投影图像样本及其实际重构操作过程 | 第24-25页 |
| ·投影图像的数据收集 | 第25页 |
| ·数学模型 | 第25-28页 |
| ·断层截面与投影的几何关系 | 第25-27页 |
| ·像素点对光线产生贡献的计算 | 第27-28页 |
| ·采用的迭代重构法 | 第28-29页 |
| ·基于GPU技术的并行迭代重构算法 | 第29-33页 |
| ·SIRT串行算法分析 | 第29-31页 |
| ·SIRT并行算法的设计 | 第31-33页 |
| ·实验及测试结果 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 4 基于GPU的非规则流中高维数据流的处理模型 | 第37-48页 |
| ·数据流处理基本模型 | 第37-38页 |
| ·基于GPU的数据流并行处理模型 | 第38-39页 |
| ·问题的提出 | 第38页 |
| ·并行处理模型 | 第38-39页 |
| ·基于GPU的非规则流中高维数据流的处理模型 | 第39-42页 |
| ·基于GPU的高维数据流的处理模型分析 | 第42-47页 |
| ·高维数据流GPU处理模式的优势 | 第42-43页 |
| ·GPU处理模式中流数据的流动模式 | 第43-44页 |
| ·高维数据流GPU处理的模型操作 | 第44-46页 |
| ·高维数据流GPU处理的概要数据结构维护 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 5 非规则高维数据流典型相关性分析并行计算方法 | 第48-64页 |
| ·问题提出 | 第48页 |
| ·相关工作 | 第48-49页 |
| ·具体可行的GPU协处理高维数据流的框架 | 第49-50页 |
| ·典型相关性分析算法的CUDA并行计算模型 | 第50-52页 |
| ·并行处理的调度和大规模运算 | 第50-51页 |
| ·典型相关性分析算法的线程结构 | 第51页 |
| ·典型相关性分析算法的执行模型 | 第51-52页 |
| ·高维数据流相关性分析的并行算法设计 | 第52-61页 |
| ·算法相关基础及定义 | 第52-53页 |
| ·算法思想与设计 | 第53页 |
| ·基于CUDA的CUDA并行高维数据流相关性算法分析 | 第53-55页 |
| ·设备内存上的滑动窗口更新、删除 | 第55页 |
| ·增量生成算法 | 第55-57页 |
| ·方差及协方差的并行算法 | 第57-59页 |
| ·概要数据结构的构造 | 第59-61页 |
| ·特征值以及特征向量的计算 | 第61页 |
| ·实验结果及分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录A 重要代码列表 | 第68-74页 |
| 攻读硕士学位期间发表学术论文情况 | 第74-75页 |
| 致谢 | 第75-77页 |