| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-22页 |
| ·课题研究背景及意义 | 第14-15页 |
| ·高性能计算需求概述 | 第15-16页 |
| ·高性能计算现状 | 第16-19页 |
| ·论文主要贡献 | 第19页 |
| ·论文组织结构 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第二章 GPU多核计算模型 | 第22-36页 |
| ·Nvidia GPU发展简介 | 第22-23页 |
| ·CPU+GPU异构计算模型 | 第23-24页 |
| ·GPU硬件构架 | 第24-25页 |
| ·Nvidia显卡构造 | 第24页 |
| ·GPU芯片结构 | 第24-25页 |
| ·CUDA软件开发基础 | 第25-35页 |
| ·CUDA编程模型 | 第26-30页 |
| ·CUDA存储器模型 | 第30-33页 |
| ·CUDA共享与通信机制 | 第33-34页 |
| ·CUDA开发环境 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于GPU单粒子点扩散函数拟合算法 | 第36-62页 |
| ·问题来源及背景知识 | 第36页 |
| ·单粒子点扩展函数描述 | 第36-37页 |
| ·经典Levenberg-Marquardt(LM)算法 | 第37-47页 |
| ·LM算法基本原理 | 第37-43页 |
| ·LM算法分析与实现 | 第43-47页 |
| ·基于GPU的LM-GaussFitting算法实现 | 第47-55页 |
| ·GPU-GaussFitting并行设计策略 | 第47-48页 |
| ·GPU-GaussFitting内核函数设计 | 第48-54页 |
| ·GPU-GaussFitting并行算法实现 | 第54-55页 |
| ·试验结果比较与分析 | 第55-60页 |
| ·数据集说明 | 第55-56页 |
| ·GPU-GaussFitting实验结果 | 第56-57页 |
| ·实验结果比较与分析 | 第57-60页 |
| ·本章小结 | 第60-62页 |
| 第四章 基于GPU双粒子点扩散函数拟合算法 | 第62-72页 |
| ·问题来源及背景知识 | 第62页 |
| ·双粒子点扩展函数描述 | 第62-66页 |
| ·基于GPU的GaussFitting2算法实现 | 第66-67页 |
| ·GaussFitting2与GauseFitting的本质对比 | 第66页 |
| ·GPU-GauseFitting的可扩展性设计 | 第66-67页 |
| ·试验结果比较与分析 | 第67-71页 |
| ·数据集说明 | 第67-68页 |
| ·GPU-GaussFitting2实验结果 | 第68-69页 |
| ·实验结果比较与分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 基于GPU的粒子分类算法 | 第72-82页 |
| ·问题来源 | 第72页 |
| ·经典Naive Bayes分类器(NBC) | 第72-74页 |
| ·CPU-NBC基本原理 | 第72-74页 |
| ·CPU-NBC实现与分析 | 第74页 |
| ·基于GPU的NBC算法实现 | 第74-77页 |
| ·GPU-NBC并行设计策略 | 第74-75页 |
| ·GPU-NBC内核函数设计 | 第75-77页 |
| ·试验结果比较与分析 | 第77-80页 |
| ·数据集说明 | 第77-78页 |
| ·GPU-NBC实验结果 | 第78-79页 |
| ·实验结果比较与分析 | 第79-80页 |
| ·本章小结 | 第80-82页 |
| 第六章 总结与展望 | 第82-84页 |
| ·总结 | 第82-83页 |
| ·展望 | 第83-84页 |
| 致谢 | 第84-86页 |
| 研究成果及发表的学术论文 | 第86-88页 |
| 作者和导师简介 | 第88-90页 |
| 参考文献 | 第90-92页 |
| 硕士研究生学位论文答辩委员会决议书 | 第92-93页 |
