| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 引言 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 流线可视化的基础知识 | 第12-14页 |
| 1.2.2 基于均匀分布的流线种子点分布方法 | 第14-16页 |
| 1.2.3 基于特征的流线种子点分布方法 | 第16-18页 |
| 1.3 本文研究内容 | 第18-19页 |
| 1.4 论文结构 | 第19-20页 |
| 第二章 基于相似度距离引导的流线种子点分布并行方法 | 第20-30页 |
| 2.1 相似度距离引导算法简介 | 第20-24页 |
| 2.1.1 相似度距离定义与计算 | 第20-22页 |
| 2.1.2 算法流程 | 第22-23页 |
| 2.1.3 串行算法效果与局限性 | 第23-24页 |
| 2.2 相似度距离引导算法的并行实现方法 | 第24-26页 |
| 2.2.1 种子点间并行的关键问题 | 第24-25页 |
| 2.2.2 流线副本与缓存 | 第25-26页 |
| 2.2.3 参数及种子点选取顺序对并行的影响 | 第26页 |
| 2.3 实验结果与分析 | 第26-28页 |
| 2.4 小结 | 第28-30页 |
| 第三章 基于信息熵引导的流线种子点分布并行加速方法 | 第30-51页 |
| 3.1 信息熵引导算法的基本原理 | 第30-41页 |
| 3.1.1 信息熵基础知识 | 第30-33页 |
| 3.1.2 种子点获取过程 | 第33-35页 |
| 3.1.3 中间矢量场重建方法 | 第35-38页 |
| 3.1.4 条件熵的定义与计算 | 第38-40页 |
| 3.1.5 算法并行加速基本思想 | 第40-41页 |
| 3.2 信息熵引导算法的并行实现方法 | 第41-47页 |
| 3.2.1 算法流程 | 第41-42页 |
| 3.2.2 流程实现 | 第42-47页 |
| 3.3 信息熵引导算法实验分析与对比 | 第47-50页 |
| 3.4 小结 | 第50-51页 |
| 第四章 基于特征的矢量场流线并行可视化软件设计与实现 | 第51-60页 |
| 4.1 软件设计方案 | 第51-54页 |
| 4.1.1 数据结构设计 | 第51-54页 |
| 4.1.2 模块总体设计方案 | 第54页 |
| 4.2 模块实现方案 | 第54-56页 |
| 4.2.1 数据预处理模块 | 第54-55页 |
| 4.2.2 流线生成模块 | 第55页 |
| 4.2.3 线程管理模块 | 第55页 |
| 4.2.4 图形绘制模块 | 第55-56页 |
| 4.3 实验结果分析 | 第56-58页 |
| 4.3.1 实验环境 | 第56页 |
| 4.3.2 实验数据 | 第56页 |
| 4.3.3 实验结果分析 | 第56-58页 |
| 4.4 小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 论文工作总结 | 第60页 |
| 5.2 未来工作展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 作者在校期间取得的学术成果 | 第67页 |
