| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 CPU-GPU协同计算 | 第10-11页 |
| 1.2.2 生物数据分析 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文的组织 | 第13-14页 |
| 2 相关基础理论与技术 | 第14-23页 |
| 2.1 CPU-GPU协同计算概述 | 第14-20页 |
| 2.1.1 CPU与GPU对比分析 | 第14-16页 |
| 2.1.2 CPU-GPU协同计算方式 | 第16-17页 |
| 2.1.3 并行编程工具与技术 | 第17-20页 |
| 2.2 生物数据分析 | 第20-22页 |
| 2.2.1 标签SNP选择 | 第20-21页 |
| 2.2.2 DTI计算与预测 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 多核CPU-GPU协同计算平台的优化 | 第23-36页 |
| 3.1 平台的提出与组成 | 第23-29页 |
| 3.1.1 需求分析与特点 | 第23-24页 |
| 3.1.2 组成结构分析 | 第24-28页 |
| 3.1.3 硬件特征与任务并行基本原则 | 第28-29页 |
| 3.2 基于平台特征的计算优化策略 | 第29-32页 |
| 3.2.1 基于多核并行的数据预处理 | 第29-30页 |
| 3.2.2 串行多次的任务调度 | 第30页 |
| 3.2.3 基于数据规模的GPU任务分配 | 第30-31页 |
| 3.2.4 数据预处理与GPU计算的重叠 | 第31-32页 |
| 3.3 应用的实现流程与实例 | 第32-35页 |
| 3.3.1 应用的实现流程 | 第32-34页 |
| 3.3.2 实例—多项式求和 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 标签SNP选择仿真实验的并行加速 | 第36-47页 |
| 4.1 过程拆分 | 第36-40页 |
| 4.1.1 数据筛查 | 第36-37页 |
| 4.1.2 模型转化 | 第37页 |
| 4.1.3 HTag算法执行 | 第37-40页 |
| 4.2 并行化处理 | 第40-43页 |
| 4.2.1 多核CPU端的数据预处理 | 第40-42页 |
| 4.2.2 GPU端实现的并行HTag算法 | 第42-43页 |
| 4.2.3 基于多核CPU-GPU协同计算的标签SNP选择 | 第43页 |
| 4.3 实验结果与分析 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 并行化的DTI计算与预测 | 第47-57页 |
| 5.1 数学模型表示与计算过程 | 第47-50页 |
| 5.1.1 数学模型 | 第47-48页 |
| 5.1.2 NetCBP计算过程分解 | 第48-50页 |
| 5.2 并行化处理 | 第50-55页 |
| 5.2.1 计算流程的分析与并行化 | 第50-54页 |
| 5.2.2 多药物计算的并行 | 第54-55页 |
| 5.3 实验结果与分析 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 6 结束语 | 第57-59页 |
| 6.1 工作总结 | 第57-58页 |
| 6.2 今后的工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间主要的研究成果 | 第63-64页 |
| 致谢 | 第64页 |