| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景及研究意义 | 第11-12页 |
| 1.2 研究现状及分析 | 第12-14页 |
| 1.3 研究方案与研究内容 | 第14-15页 |
| 1.4 实验环境、数据以及性能评价指标 | 第15-18页 |
| 1.4.1 实验环境 | 第15-16页 |
| 1.4.2 影像数据 | 第16页 |
| 1.4.3 性能评价指标 | 第16-18页 |
| 1.5 本文章节安排 | 第18页 |
| 1.6 本章小结 | 第18-19页 |
| 2 ISODATA分类算法及并行编程模型 | 第19-33页 |
| 2.1 ISODATA分类算法 | 第19-23页 |
| 2.1.1 ISODATA分类算法简介 | 第19-20页 |
| 2.1.2 ISODATA分类算法流程 | 第20-21页 |
| 2.1.3 ISODATA分类算法可并行性分析 | 第21-23页 |
| 2.2 OpenMP并行库概述 | 第23-26页 |
| 2.2.1 OpenMP简介 | 第23-24页 |
| 2.2.2 OpenMP的并行编程模型 | 第24页 |
| 2.2.3 OpenMP的循环调度策略 | 第24-26页 |
| 2.3 CUDA并行模型概述 | 第26-32页 |
| 2.3.1 GPU并行计算 | 第26-28页 |
| 2.3.2 CUDA简介 | 第28页 |
| 2.3.3 CUDA线程协作 | 第28-30页 |
| 2.3.4 CUDA存储模型 | 第30-31页 |
| 2.3.5 CUDA硬件架构 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 基于多核CPU的ISODATA的并行算法设计 | 第33-39页 |
| 3.1 算法设计 | 第33-36页 |
| 3.1.1 样本聚类 | 第33-35页 |
| 3.1.2 聚类中心标准差计算 | 第35-36页 |
| 3.2 并行加速前后的实验对比 | 第36-37页 |
| 3.3 本章小结 | 第37-39页 |
| 4 基于GPU的ISODATA的并行算法设计 | 第39-47页 |
| 4.1 算法设计 | 第39-44页 |
| 4.1.1 样本聚类 | 第39-42页 |
| 4.1.2 聚类中心标准差计算 | 第42-44页 |
| 4.2 并行加速前后的实验对比 | 第44-45页 |
| 4.3 本章小结 | 第45-47页 |
| 5 遥感影像ISODATA并行分类实验 | 第47-60页 |
| 5.1 基于多核CPU的ISODATA并行分类实验 | 第47-51页 |
| 5.1.1 Cluster-Omp算法参数设置 | 第47-49页 |
| 5.1.2 遥感影像的ISODATA-Omp算法性能分析 | 第49-51页 |
| 5.2 基于GPU的ISODATA并行分类实验 | 第51-53页 |
| 5.2.1 Cluster-Cuda算法线程数设置 | 第51-52页 |
| 5.2.2 遥感影像的ISODATA-Cuda算法性能分析 | 第52-53页 |
| 5.3 与已有的GPU并行分类算法对比 | 第53-54页 |
| 5.4 两种并行算法的对比分析 | 第54-59页 |
| 5.4.1 并行加速提升情况 | 第54-56页 |
| 5.4.2 分类误差变化情况 | 第56页 |
| 5.4.3 实验结果对比分析 | 第56-59页 |
| 5.5 本章小结 | 第59-60页 |
| 6 结论 | 第60-62页 |
| 7 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间参与的科研项目 | 第66-67页 |
