文档介绍：北京化工大学位论文原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者签名:盗均日期:塑!厶鱼:主关于论文使用授权的说明学位论文作者完全了解北京化工大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属北京化工大学。学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。保密论文注释:本学位论文属于保密范围,在上年解密后适用本授权书。非保密论文注释:本学位论文不属于保密范围,适用本授权书。作者签名:盗殓日期:211f!§≥导师签名:弯迢日期:垒f!:≤。!,cUDA,,高斯拟合,、网络、指导教师赵英教授北京化工大学高性能计算等软件测试与软件可评阅人1赵瑞莲教授北京化工大学靠性评阅人2王雪晶副教授北京化工大学并行计算、图像处理评阅人3评阅人4评阅人5软件测试与软件可答辩委员会主席赵瑞莲教授北京化工大学靠性答辩委员l许南山副教授北京化工大学数据库答辩委员2李辉副教授北京化工大学信息安全技术答辩委员3王雪晶副教授北京化工大学并行计算、图像处理答辩委员4肖亮副教授北京化工大学核磁共振医学成像答辩委员5注::《中国图书资料分类法》查询。()《学科分类与代码》中查询。。摘要基于GPU的图像粒子拟合和分类算法的研究及应用摘要随着当代社会信息快速发展,每日在气象预报、计算生物学、商业风险计算、科学研究等领域产生海量的信息。基于x86体系结构的处理器由于元件的缩小和散热等工艺技术的限制,很难再有大的性能飞跃。为了应对海量数据问题,使用GPU来加速计算己成为一种趋势。在研究病毒中,为跟踪单点病毒粒子,会拍摄下大量的粒子图像。这些粒子的荧光图像在超显微镜下的亮度值呈点扩散函数形式。粒子的特征可以通过曲线拟合来得到。Levnberg—Marquardt算法是拟合曲线的一种稳定而快速的拟合方法。当拟合拍摄下的大量囊泡粒子图像时,这将是一个巨大的挑战。结合当前的GPU技术和拟合大量的粒子图像,本文基于CPU+GPU异构架构上做了如下贡献和工作:1,设计并实现了基于CPU+GPU架构的适用完整高斯函数、无角度高斯函数、。通过大量实验证明在拟合图像帧数大于1000的情况下,该GPU程序能够获得相对于串行程序CPU—GauseFitting40倍以上的加速比。2,为了应对在拍摄中拍摄到两个囊泡的情况,。扩展后的GPU—GauseFittin92程序更加具有普适性。通过大量实验证明在拟合图像帧数大于looO的情况下,该GPU程序能够获得相对于串行程序CPU—GauseFitting60倍以上的加速比。北京化T大学硕十学位论文3,设计并实现了基于CPU+GPU架构的并行朴素贝叶斯分类器(GPU—NBC)。使用该程序对拟合图像的结果数据进行分类,实验证明在数据量大于1000的情况下,。,获得了2~50倍的加速比。本文基于CPU+,能够快速的对图像数据进行拟合。。实验证明GPU不仅可用于高性能计算机中进行加速也适用于中小型实验室中的高性能计算。关键词:GPU,CUDA,高斯拟合,,