| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 传统的栅格数据分析改进研究 | 第12-13页 |
| 1.2.2 基于并行计算技术的栅格数据分析改进研究 | 第13-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 章节安排 | 第16-17页 |
| 1.5 技术路线 | 第17-18页 |
| 第二章 栅格数据分析的并行适用性研究 | 第18-29页 |
| 2.1 栅格数据分析 | 第18-20页 |
| 2.1.1 栅格数据模型 | 第18-19页 |
| 2.1.2 栅格计算方法 | 第19-20页 |
| 2.2 数字地形分析 | 第20-25页 |
| 2.2.1 数字地形模型 | 第20-21页 |
| 2.2.2 典型地形分析方法 | 第21-25页 |
| 2.3 并行模式适用性研究 | 第25-29页 |
| 2.3.1 适用性分析 | 第25-27页 |
| 2.3.2 地形分析并行模式 | 第27-28页 |
| 2.3.3 并行设计技术特征 | 第28-29页 |
| 第三章 基于多核共享内存模型的栅格分析并行方法研究 | 第29-47页 |
| 3.1 共享内存模型 | 第29-30页 |
| 3.1.1 共享内存模型简介 | 第29页 |
| 3.1.2 Win32 API多线程 | 第29-30页 |
| 3.2 基于共享内存模型的地形分析算法并行化设计 | 第30-43页 |
| 3.2.1 地形因子分析 | 第30-36页 |
| 3.2.2 区域地形等高线模型化 | 第36-43页 |
| 3.3 并行优化设计 | 第43-47页 |
| 3.3.1 生产者—消费者模型 | 第43-44页 |
| 3.3.2 线程池技术 | 第44-47页 |
| 第四章 基于众核流处理器的栅格分析并行方法研究 | 第47-64页 |
| 4.1 流处理器模型 | 第47-49页 |
| 4.2 GPU通用计算的地形分析研究 | 第49-59页 |
| 4.2.1 基于共享存储器的地形因子分析 | 第50-57页 |
| 4.2.2 基于纹理存储器的地形因子分析 | 第57-59页 |
| 4.3 CPU/GPU协同计算的地形分析研究 | 第59-64页 |
| 4.3.1 设备间任务划分 | 第60-61页 |
| 4.3.2 设备内任务划分 | 第61-64页 |
| 第五章 实验结果与分析 | 第64-73页 |
| 5.1 实验环境 | 第64-65页 |
| 5.2 性能评价模型 | 第65-66页 |
| 5.3 实验结果与并行性能评价 | 第66-73页 |
| 5.3.1 实验结果 | 第66-67页 |
| 5.3.2 串行计算效率 | 第67页 |
| 5.3.3 并行性能评价 | 第67-73页 |
| 第六章 结论与展望 | 第73-76页 |
| 6.1 研究结论 | 第73-74页 |
| 6.2 创新点 | 第74页 |
| 6.3 后续工作展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士期间科研情况 | 第80-81页 |
| 致谢 | 第81-83页 |