| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-9页 |
| 1 GPU简介 | 第9-13页 |
| ·GPU的工作原理 | 第9-10页 |
| ·GPU的分类 | 第10-11页 |
| ·GPU的并行处理 | 第11-13页 |
| 2 独立成分分析算法 | 第13-31页 |
| ·独立成分分析的历史 | 第13页 |
| ·独立成分分析基本概念 | 第13-14页 |
| ·独立成分分析的基本原理 | 第14-17页 |
| ·解混矩阵W的求解步骤 | 第15-16页 |
| ·ICA的主要过程 | 第16-17页 |
| ·主成分分析 | 第17-23页 |
| ·主成分分析 | 第17页 |
| ·主成分分析的计算步骤 | 第17-23页 |
| ·独立成分分析算法 | 第23-27页 |
| ·熵 | 第23-24页 |
| ·KL散度 | 第24页 |
| ·互信息 | 第24-25页 |
| ·负熵 | 第25-26页 |
| ·基于负熵的非多项式函数判据 | 第26-27页 |
| ·采用负熵的ICA固定点算法 | 第27页 |
| ·ICA实例 | 第27-29页 |
| ·应用 | 第29页 |
| ·限定条件 | 第29页 |
| ·ICA的不确定性 | 第29-30页 |
| ·几个重要的待解决的问题 | 第30-31页 |
| 3 CUDA基础 | 第31-41页 |
| ·CUDA的特色 | 第31页 |
| ·CUDA编程模型 | 第31-32页 |
| ·CUDA并行线程组织结构 | 第32-33页 |
| ·CUDA硬件映射 | 第33页 |
| ·CUDA软件体系 | 第33-34页 |
| ·CUDA优势与限制 | 第34页 |
| ·采用CUDA技术相比传统的GPGPU计算的优势 | 第34页 |
| ·CUDA技术目前的一些限制 | 第34页 |
| ·CUDA的安装与配置 | 第34-41页 |
| ·计算机配置 | 第35页 |
| ·安装 | 第35-37页 |
| ·运行template | 第37页 |
| ·语法高亮 | 第37-38页 |
| ·编译规则的添加 | 第38-40页 |
| ·配置结束 | 第40-41页 |
| 4 在CUDA上的编程 | 第41-51页 |
| ·CUDA编程主要步骤 | 第41-43页 |
| ·在GPU中进行矩阵乘法计算 | 第43-51页 |
| ·在CPU上实现矩阵乘法 | 第43-44页 |
| ·在GPU上进行矩阵乘法计算 | 第44-46页 |
| ·矩阵乘法结果比较 | 第46页 |
| ·GPU中的数据传输 | 第46-47页 |
| ·householder算法 | 第47-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 附录A Householder变换算法在GPU上实现的程序代码 | 第54-59页 |
| 附录B Fast ICA流程图 | 第59-61页 |
| 附录C 主成分分析流程图 | 第61-62页 |
| 致谢 | 第62-63页 |