| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-18页 |
| ·课题来源及研究的目的和意义 | 第8-9页 |
| ·国内外研究现状分析 | 第9-17页 |
| ·GPU 高性能计算的研究现状 | 第9-15页 |
| ·LS-SVM 算法的研究现状 | 第15-17页 |
| ·本文的研究内容与结构 | 第17-18页 |
| 第2章 基于 CUDA 的 GPU 开发体系构建 | 第18-35页 |
| ·GPU 技术简介 | 第18-23页 |
| ·GPU 与 CPU | 第18-20页 |
| ·GPU 体系架构 | 第20-23页 |
| ·CUDA 简介 | 第23-32页 |
| ·CUDA 编程模型 | 第23-26页 |
| ·CUDA 存储模型 | 第26-29页 |
| ·CUDA 硬件体系 | 第29-30页 |
| ·CUDA 软件体系 | 第30-32页 |
| ·GPU 开发环境的建立 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于 CUDA 的 LS-SVM 算法设计与实现 | 第35-63页 |
| ·LS-SVM 算法 | 第35-39页 |
| ·LS-SVM 训练过程分析 | 第35-36页 |
| ·LS-SVM 的计算流程 | 第36-39页 |
| ·LS-SVM 算法的 CUDA 并行实现 | 第39-53页 |
| ·LS-SVM 算法的 CUDA 实现框架 | 第39-43页 |
| ·核函数矩阵形成的 CUDA 实现 | 第43-46页 |
| ·最小二乘问题求解部分的设计 | 第46-53页 |
| ·实验结果和性能分析 | 第53-62页 |
| ·实验环境 | 第53-54页 |
| ·性能评测方法 | 第54页 |
| ·计算效率对比分析 | 第54-59页 |
| ·GPU 功耗分析 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第4章 基于 CUDA 的 LS-SVM 算法性能优化 | 第63-81页 |
| ·影响性能的因素分析 | 第63-64页 |
| ·基于通信与访存的性能优化方法 | 第64-71页 |
| ·通信与访存优化的原理 | 第65-67页 |
| ·通信与访存优化的实现 | 第67-71页 |
| ·基于指令流的性能优化方法 | 第71-73页 |
| ·指令流优化的原理 | 第71-73页 |
| ·指令流优化的实现 | 第73页 |
| ·实验结果和分析 | 第73-79页 |
| ·通信优化对性能的影响分析 | 第74页 |
| ·访存优化对性能的影响分析 | 第74-75页 |
| ·指令流优化对性能的影响分析 | 第75-76页 |
| ·综合优化后的计算效率评估 | 第76-79页 |
| ·本章小结 | 第79-81页 |
| 结论 | 第81-83页 |
| 参考文献 | 第83-91页 |
| 攻读学位期间发表的学术论文及发明专利 | 第91-93页 |
| 致谢 | 第93页 |