| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 支持向量机模型研究现状 | 第10-13页 |
| 1.2.2 CUDA并行计算研究现状 | 第13-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 论文组织 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 最小二乘支持向量回归模型与CUDA并行体系 | 第19-23页 |
| 2.1 最小二乘支持向量回归模型 | 第19-21页 |
| 2.2 CUDA并行体系 | 第21-22页 |
| 2.2.1 CUDA线程模型 | 第21页 |
| 2.2.2 CUDA存储系统 | 第21-22页 |
| 2.2.3 CUDA并行计算细则 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于多尺度小波LS-SVR优化的克里金空间插值模型 | 第23-38页 |
| 3.1 普通克里金插值模型理论 | 第23-25页 |
| 3.2 基于多尺度小波LS-SVR优化的克里金空间插值模型 | 第25-29页 |
| 3.2.1 普通克里金空间插值模型问题描述 | 第25-26页 |
| 3.2.2 基于多尺度小波LS-SVR优化的克里金空间插值模型 | 第26-29页 |
| 3.3 实验模拟与应用 | 第29-37页 |
| 3.3.1 模型评价指标 | 第29-30页 |
| 3.3.2 实验模拟 | 第30-33页 |
| 3.3.3 实验应用 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 融合空间相关性的LS-SVR空间预测模型 | 第38-62页 |
| 4.1 常规空间预测模型问题描述 | 第38-39页 |
| 4.2 空间权重矩阵 | 第39-42页 |
| 4.2.1 0-1 型空间权重矩阵 | 第39-41页 |
| 4.2.2 数值型空间权重矩阵 | 第41-42页 |
| 4.3 融合空间相关性的LS-SVR空间预测模型 | 第42-45页 |
| 4.3.1 输入端融合空间相关性 | 第42页 |
| 4.3.2 输出端融合空间相关性 | 第42-43页 |
| 4.3.3 回归函数端融合空间相关性 | 第43-45页 |
| 4.4 测试数据实验与分析 | 第45-61页 |
| 4.4.1 模型性能评价 | 第45-46页 |
| 4.4.2 测试数据介绍及空间相关性分析 | 第46-51页 |
| 4.4.3 测试数据实验与分析 | 第51-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 基于CUDA融合空间相关性的LS-SVR模型设计与实现 | 第62-66页 |
| 5.1 融合空间相关性的LS-SVR模型并行算法分析设计与实现 | 第62-64页 |
| 5.1.1 核函数矩阵的并行化分析 | 第62页 |
| 5.1.2 核函数矩阵的并行化设计 | 第62-63页 |
| 5.1.3 核函数矩阵的并行化实现 | 第63-64页 |
| 5.2 实验对比与性能评价 | 第64-65页 |
| 5.2.1 实验环境要求及测试数据 | 第64页 |
| 5.2.2 实验性能评价 | 第64-65页 |
| 5.2.3 实验结果对比 | 第65页 |
| 5.3 本章小结 | 第65-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 6.1 结论 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间取得的学术成果 | 第73-74页 |
| 致谢 | 第74-75页 |
