基于XDraw的并行可视域分析算法设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容及文章组织 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 文章组织 | 第14-15页 |
| 第二章 地形可视性分析及应用现状 | 第15-30页 |
| 2.1 地形可视性分析概述 | 第15-16页 |
| 2.2 地形建模基础 | 第16-18页 |
| 2.2.1 数字高程模型DEM | 第16-17页 |
| 2.2.2 等高线模型 | 第17-18页 |
| 2.2.3 格网模型 | 第18页 |
| 2.3 可视性分析基础 | 第18-25页 |
| 2.3.1 基本概念 | 第18-19页 |
| 2.3.2 常见的通视性算法 | 第19-22页 |
| 2.3.3 可视域算法 | 第22-24页 |
| 2.3.4 视域算法的比较 | 第24-25页 |
| 2.4 并行可视域分析 | 第25-28页 |
| 2.4.1 相关概念 | 第25-26页 |
| 2.4.2 并行算法设计 | 第26-28页 |
| 2.5 常见应用 | 第28-29页 |
| 2.6 小结 | 第29-30页 |
| 第三章 数据划分策略研究 | 第30-40页 |
| 3.1 数据划分研究 | 第30-34页 |
| 3.1.1 算法的数据依赖特征 | 第30-32页 |
| 3.1.2 划分方法及存在问题 | 第32-34页 |
| 3.2 基于三角形区域的等面积划分方法 | 第34-38页 |
| 3.2.1 基于三角形区域的划分方法 | 第34-37页 |
| 3.2.2 等面积划分 | 第37-38页 |
| 3.2.3 合并策略 | 第38页 |
| 3.3 算法实现 | 第38-39页 |
| 3.4 小结 | 第39-40页 |
| 第四章 XDraw算法的并行化 | 第40-54页 |
| 4.1 XDraw算法概述 | 第40页 |
| 4.2 数据调度 | 第40-43页 |
| 4.2.1 粗粒度调度 | 第40-41页 |
| 4.2.2 细粒度调度 | 第41-43页 |
| 4.3 XDraw算法在GPU上的优化 | 第43-47页 |
| 4.3.1 GPU基本概念 | 第43-45页 |
| 4.3.2 XDraw算法转化 | 第45-47页 |
| 4.4 XDraw并行算法实现 | 第47-53页 |
| 4.4.1 基于MPI的算法实现 | 第47-52页 |
| 4.4.2 基于CUDA的算法实现 | 第52-53页 |
| 4.5 小结 | 第53-54页 |
| 第五章 实验分析 | 第54-64页 |
| 5.1 实验环境 | 第54-55页 |
| 5.2 基于MPI的算法性能分析 | 第55-61页 |
| 5.3 基于CUDA的算法性能分析 | 第61-63页 |
| 5.4 小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 论文总结 | 第64页 |
| 6.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 在校期间参加的科研项目与研究成果 | 第71-72页 |
| 致谢 | 第72页 |
