| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 CPU+GPU异构平台发展现状 | 第12页 |
| 1.2.2 异构系统架构研究现状 | 第12-13页 |
| 1.2.3 朴素贝叶斯图像分类算法研究现状 | 第13-14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.4 本文组织结构 | 第15-18页 |
| 第2章 相关技术研究 | 第18-30页 |
| 2.1 CPU+GPU异构计算相关概述 | 第18-21页 |
| 2.1.1 主流的CPU+GPU异构计算标准 | 第19-20页 |
| 2.1.2 CPU+GPU异构计算平台硬件结构 | 第20-21页 |
| 2.2 HSA的相关研究 | 第21-27页 |
| 2.2.1 HSA概述 | 第21-22页 |
| 2.2.2 HSA的特点 | 第22-23页 |
| 2.2.3 HSA的核心技术 | 第23-27页 |
| 2.3 朴素贝叶斯分类算法相关研究 | 第27-29页 |
| 2.3.1 贝叶斯理论 | 第27-28页 |
| 2.3.2 朴素贝叶斯分类算法 | 第28页 |
| 2.3.3 朴素贝叶斯分类算法的优缺点 | 第28-29页 |
| 2.4 本章小节 | 第29-30页 |
| 第3章 基于HSA朴素贝叶斯图像分类算法设计优化 | 第30-42页 |
| 3.1 朴素贝叶斯图像算法概述 | 第30-31页 |
| 3.1.1 朴素贝叶斯分类器在图像分类上的应用 | 第30-31页 |
| 3.1.2 朴素贝叶斯图像分类算法的流程分析 | 第31页 |
| 3.2 基于HSA的算法设计方案 | 第31-37页 |
| 3.2.1 图像预处理 | 第32-35页 |
| 3.2.2 特征值处理 | 第35-36页 |
| 3.2.3 概率计算 | 第36-37页 |
| 3.3 基于HSA的算法特征值处理改进方案 | 第37-41页 |
| 3.3.1 特征值处理问题分析 | 第37页 |
| 3.3.2 特征值处理优化可行性分析 | 第37-38页 |
| 3.3.3 相关要点说明 | 第38-39页 |
| 3.3.4 改进方案设计 | 第39-40页 |
| 3.3.5 改进方案分析 | 第40-41页 |
| 3.4 本章小节 | 第41-42页 |
| 第4章 基于HSA朴素贝叶斯图像分类的任务分配研究 | 第42-54页 |
| 4.1 传统CPU+GPU异构计算平台任务分配关键问题 | 第42-44页 |
| 4.2 基于HSA的任务分配问题可行性分析 | 第44-45页 |
| 4.3 任务分配方案应用环节选取 | 第45-46页 |
| 4.4 基于HSA的算法任务分配模型描述 | 第46-49页 |
| 4.4.1 任务分配模型特点 | 第46-47页 |
| 4.4.2 任务分配过程说明 | 第47-49页 |
| 4.5 基于HSA的算法任务分配方案分析 | 第49-53页 |
| 4.5.1 处理器处理效果分析 | 第50-51页 |
| 4.5.2 处理器间资源分配描述 | 第51-52页 |
| 4.5.3 方案设计性能分析 | 第52-53页 |
| 4.6 本章小节 | 第53-54页 |
| 第5章 实验测试与分析 | 第54-62页 |
| 5.1 实验环境部署及说明 | 第54-56页 |
| 5.1.1 软硬件环境介绍 | 第54-55页 |
| 5.1.2 HSA异构系统架构配置流程 | 第55-56页 |
| 5.2 优化方案测试和分析 | 第56-61页 |
| 5.2.1 测试集选取及相关说明 | 第56-57页 |
| 5.2.2 基于HSA的算法改进测试分析 | 第57-59页 |
| 5.2.3 基于HSA的算法任务分配方案测试分析 | 第59-61页 |
| 5.3 本章小节 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-70页 |
| 致谢 | 第70页 |