首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于GPU的Power图计算算法研究

致谢第7-8页
摘要第8-9页
ABSTRACT第9页
第一章 绪论第14-20页
    1.1 国内外研究现状第14-17页
        1.1.1 Voronoi图研究进展第14-15页
        1.1.2 Power图研究进展第15-16页
        1.1.3 基于GPU的Voronoi图和Power图研究进展第16-17页
    1.2 研究内容与论文结构第17-20页
        1.2.1 研究内容第17-18页
        1.2.2 论文结构第18-20页
第二章 Power图及现有计算算法介绍第20-27页
    2.1 Voronoi图和Power图简介第20-23页
        2.1.1 Voronoi图第20-22页
        2.1.2 Power图第22-23页
    2.2 Power图生成算法第23-26页
        2.2.1 质心Power图生成算法第23-24页
        2.2.2 容量限制Power图生成算法第24-25页
        2.2.3 基于质心的容量限制Power图第25-26页
    2.3 本章小结第26-27页
第三章 基于GPU加速的质心容量限制Power图算法第27-42页
    3.1 CCCPD的一般Power图生成算法第27-29页
        3.1.1 1+JFA第27页
        3.1.2 GPU实现1+JFA第27-29页
    3.2 CCCPD的质心优化方法第29-30页
    3.3 CCCPD的容量优化方法第30-33页
        3.3.1 Power权值与容量的关系第30-32页
        3.3.2 容量限制Power图生成算法第32-33页
    3.4 CCCPD的GPU计算算法第33-34页
    3.5 CCCPD算法实验结果与分析第34-40页
        3.5.1 实验环境第35-36页
        3.5.2 CCCPD算法实例展示第36-38页
        3.5.3 算法的性能分析第38-40页
    3.6 本章小结第40-42页
第四章 利用GPU-CPU混合加速的Power图计算算法第42-54页
    4.1 现有CPD算法~([32])性能分析第42页
    4.2 CPD算法与分析第42-46页
        4.2.1 基于GPU-CPU的CPD算法第42-43页
        4.2.2 实验环境第43-44页
        4.2.3 实验结果与分析第44-46页
    4.3 CCCPD加速算法与分析第46-52页
        4.3.1 基于GPU-CPU的CCCPD算法第46-48页
        4.3.2 实验结果与分析第48-52页
    4.4 本章小结第52-54页
第五章 总结与展望第54-56页
    5.1 论文总结第54页
    5.2 论文展望第54-56页
参考文献第56-60页
攻读硕士学位期间的学术活动及成果情况第60-61页

论文共61页,点击 下载论文
上一篇:两种机器视觉瑕疵检测算法研究与应用
下一篇:云平台下网络阅卷系统的设计与实现