基于GPU加速的并行人工鱼群算法及其应用
| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题背景和研究意义 | 第10-12页 |
| ·人工鱼群算法的研究概况 | 第12-13页 |
| ·本文的动机与研究框架 | 第13-16页 |
| ·本文的动机 | 第13-15页 |
| ·本文的研究框架 | 第15-16页 |
| ·本文的主要工作 | 第16-17页 |
| ·本文的组织结构 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第2章 相关研究综述 | 第19-30页 |
| · | 第19-21页 |
| ·人工鱼群算法的特点 | 第19页 |
| ·人工鱼群算法的描述 | 第19-21页 |
| ·GPU通用计算技术概述 | 第21-26页 |
| ·GPU通用计算 | 第21-23页 |
| ·CUDA技术 | 第23-26页 |
| ·图像分割方法概述 | 第26-29页 |
| ·图像分割的定义 | 第26-28页 |
| ·图像分割方法的分类 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于GPU并行加速的人工鱼群算法 | 第30-52页 |
| ·符号定义 | 第30-31页 |
| ·随机数的生成方法 | 第31-32页 |
| ·算法描述 | 第32-39页 |
| ·算法的整体框架 | 第32-33页 |
| ·内核函数的设计 | 第33-39页 |
| ·瓶颈和可能的解决方案 | 第39-40页 |
| ·实验与结果分析 | 第40-51页 |
| ·运行环境与基准测试函数 | 第40-42页 |
| ·实验结果及分析 | 第42-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于人工鱼群算法的图像聚类分割方法 | 第52-58页 |
| ·符号和测度定义 | 第52-53页 |
| ·算法的基本框架 | 第53-54页 |
| ·瓶颈和可能的解决方案 | 第54-55页 |
| ·实验与结果分析 | 第55-57页 |
| ·测试图片 | 第55页 |
| ·图片分割效果 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 基于GPU加速的人工鱼群图像聚类分割方法 | 第58-71页 |
| ·两种并行加速策略 | 第58-59页 |
| ·第一种并行化版本AIC-v1的设计与实现 | 第59-66页 |
| ·算法的总体流程 | 第60-61页 |
| ·适应度计算的并行化设计 | 第61-66页 |
| ·第二种并行化版本AIC-v2的设计与实现 | 第66-67页 |
| ·两种运行模式的比较和分析 | 第67-68页 |
| ·实验与结果分析 | 第68-70页 |
| ·运行环境与测试图片 | 第68-69页 |
| ·实验结果及分析 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| ·总结 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间主要的研究成果 | 第77-78页 |
| 致谢 | 第78页 |
