大规模生物数据并行聚类算法研究与应用
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 课题研究的目的和意义 | 第12-13页 |
| 1.2 国内外研究概况 | 第13-15页 |
| 1.3 论文的主要研究内容 | 第15-16页 |
| 1.4 本文的组织结构 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 并行计算概述 | 第17-27页 |
| 2.1 并行计算机系统 | 第17-21页 |
| 2.1.1 并行计算机发展历程 | 第17-19页 |
| 2.1.2 并行计算机分类 | 第19-21页 |
| 2.2 并行算法设计与评估 | 第21-23页 |
| 2.2.1 并行算法设计 | 第21-22页 |
| 2.2.2 并行算法评估 | 第22-23页 |
| 2.3 并行算法编程 | 第23-26页 |
| 2.3.1 并行编程模型分类 | 第23-24页 |
| 2.3.2 主流并行编程模型介绍 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于马尔柯夫链的蛋白质聚类算法 | 第27-35页 |
| 3.1 MFC 算法 | 第27-31页 |
| 3.1.1 蛋白质网络构建 | 第27-28页 |
| 3.1.2 随机游走模拟 | 第28-29页 |
| 3.1.3 簇结构发现 | 第29-30页 |
| 3.1.4 簇结构挖掘 | 第30-31页 |
| 3.2 MFC 与 TRIBE-MCL 算法比较 | 第31页 |
| 3.3 蛋白质家族检测 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于 GPU 的并行 MFC 算法 | 第35-44页 |
| 4.1 MFC 算法并行化 | 第35-41页 |
| 4.1.1 随机游走模拟并行化 | 第35-37页 |
| 4.1.2 簇结构发现并行化 | 第37-39页 |
| 4.1.3 簇结构挖掘并行化 | 第39-40页 |
| 4.1.4 收敛判别并行化 | 第40-41页 |
| 4.2 实验数据与结果分析 | 第41-43页 |
| 4.2.1 实验数据集 | 第41-42页 |
| 4.2.2 加速性能结果分析 | 第42-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第五章 基于分布式系统的并行仿辐射算法 | 第44-55页 |
| 5.1 仿辐射算介绍 | 第45页 |
| 5.2 仿辐射算法并行化 | 第45-49页 |
| 5.2.1 数据预处理 | 第45-47页 |
| 5.2.2 数据划分和通信优化 | 第47-49页 |
| 5.3 实验数据与结果分析 | 第49-54页 |
| 5.3.1 实验数据集与生物应用 | 第49-50页 |
| 5.3.2 生物应用聚类分析 | 第50-51页 |
| 5.3.3 加速性能结果分析 | 第51-53页 |
| 5.3.4 误差分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 结论 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第63-64页 |
| 作者在攻读硕士学位期间所作的项目 | 第64-65页 |
| 致谢 | 第65页 |
