一、线性递归DataLog程序优化算法（论文文献综述）
王世领[1]（2020）在《基于深度学习的程序并行化方法研究》文中进行了进一步梳理随着高性能计算技术的快速发展,并行编程技术在实际工程应用中占据着越来越重要的地位。尤其是在科学计算相关领域,并行化技术成为了解决程序结构复杂、计算量大、数据密集以及执行周期长等问题的关键途径。然而,现有的程序并行性分析工具在处理具备上述特征的程序时仍存在着较大的局限性,且目前的多种并行编程手段在使用时缺少统一的标准编程接口。因此,串行程序的并行化在程序的并行性识别和并行程序开发两个阶段均存在着较大的难度,研究一种在上述两个阶段均具备良好表现的串行程序并行化方法是十分必要的。本文借助深度学习技术来研究串行程序的并行化方法,重点研究了串行程序的并行性识别和并行程序开发两个方面,提出了包含数据集、并行性识别方法、标记语言和编程辅助平台的一整套解决方案,主要工作如下:（1）提出了一种基于深度学习的串行程序并行性识别方法。本文将串行程序的并行性识别视为二元分类问题,建立了一个基于深度图卷积神经网络（Deep Graph Convolutional Neural Network,DGCNN）的深度学习模型,构造了一个通用图数据集GFCPD（Graphs For Code Parallelism Discovery,程序并行性识别图数据集）。并通过模型在GFCPD数据集上的表现验证了深度学习方法在串行程序的并行性识别问题上具备可行性与有效性。站在新的角度,针对串行程序的并行性识别问题提出了新的解决方案。（2）设计并实现并行标记语言PML及编程辅助平台。本文使用XML技术实现了并行标记语言PML,为不同的并行编程模型提供了格式统一的PML标签用于结合C/C++语言进行并行程序开发,为多种并行编程手段的混合使用提供了统一的标准编程接口和更加简易便捷的途径。此外,本文搭建了一个并行编程辅助平台,从串行程序的并行性识别、并行程序开发、并行程序调试三个方面提供了完整的串行程序并行化流程,有效地降低了并行化技术的使用门槛。
薄勇[2]（2020）在《电磁波在若干特殊等离子体中电磁特性的关键问题研究》文中研究说明等离子体与入射电磁波之间相互作用的研究一直以来都是国防和航空航天领域中的重要研究方向。开展电磁波在等离子体中传输与散射等关键问题的研究,对于缓解高超声速飞行器黑障问题、改进现有隐身手段以及研究新型等离子体微波器件等方面,具有重要的现实意义和科学意义。迄今为止,关于电磁波在等离子体中传输问题的基本理论基础已经较为完备,但在一些特殊的等离子体环境中电磁波的传输与散射问题仍然值得我们深入研究。本文主要针对电磁波与等离子体相互作用中存在的一些关键性问题,开展仿真和实验研究工作,探索电磁波在若干特殊的等离子体环境中的传播特点,分析其中出现的电磁波传输、散射现象与等离子体中各个参数之间的关系。本文的研究内容主要从以下四个方面展开:首先,研究了电磁波在永磁体磁化的等离子体流场中的传输特性。通过计算典型飞行器在几个飞行状态（高度）处等离子体流场,获得通信天线安装位置处的等离子体鞘层分布信息,然后根据实验室中测量的永磁体磁场强度分布,利用时域有限差分法计算了电磁波在永磁体非均匀磁化下的等离子体流场中的传输特性。计算结果表明,永磁体磁场对L、S波段电磁波的通信中断确有缓解作用,且左右旋圆极化电磁波的传输特性不仅决定于等离子体分布参数,还与电磁波传播方向和施加磁场方向有关。当永磁体磁场方向垂直飞行器壁面向外时,为了使L、S波段电磁波的通信效果最佳,提出将天线设计成右旋发射左旋接收的形式。其次,研究了电磁波在时变磁化等离子体中的传输特性和通信性能。当通信电波在飞行器外的等离子体鞘层中传输时,等离子体鞘层的时变特性会对通信电波造成寄生的调制效应,从而进一步恶化通信性能。本文通过搭建的宽带实验平台进行实验研究发现,对时变等离子体层施加磁场不仅可以减少与之相关频段电磁波的衰减量,还可以抑制寄生调制效应（相位抖动幅度）,从而提高通信性能。通过仿真研究发现,左旋圆极化波在时变磁化等离子体中传输的相位抖动和衰减量都随着频率和磁场的提升而减小,而右旋圆极化波的相位抖动和衰减量除了与频率和磁场有关以外,还与对应频率所处的传播区位于低通区还是高通区有关,重点关注了右旋圆极化波在低通区的传播特性,发现其相位抖动的幅度随着频率的升高而增加,随着磁场强度的增加而减小。再次,针对尖锥形飞行器头部形成的类似半球形、电子密度较高但厚度较薄的等离子体鞘层,研究了厚度在L、S波段电磁波亚波长范围内的等离子体鞘层对电小天线辐射特性的调控作用。总结了亚波长等离子体球鞘的电子密度、厚度和碰撞频率对电小天线辐射特性的影响规律。研究发现电小天线在亚波长尺度等离子体球形鞘层中的谐振频率与等离子体频率近似按照1/1.9线性规律变化,辐射增益随碰撞频率的增加而减小。同时,还研究了电小天线在能够满足正常谐振条件时,电小天线尺寸、等离子体鞘层尺寸和电子密度的变化范围余量。提出了利用电小天线组阵来提升等离子体电小天线增益的方法并进行了仿真计算,仿真结果初步证明了组阵可以有效地提升电小天线的增益。最后,研究了丝状等离子体放电演变过程以及电磁波入射到丝状等离子体阵列后的传输和散射特性。通过高压直流脉冲在低气压空气中产生了高密度的丝状的等离子体阵列,在对丝状等离子体阵列进行诊断中发现等离子体直径在放电进程中会经历收缩和扩张两个阶段,根据丝状等离子体直径和其他放电参数计算了平均电子密度和碰撞频率,发现平均电子密度可以达到1021m-3且随着放电的进行先增加后减小。随后设计了相应的实验研究了丝状放电等离子体阵列演变过程中垂直和水平极化微波的传输特性。通过仿真计算丝状等离子体阵列对电磁波的散射特性得出,丝状等离子体阵列对垂直极化电磁波的前向散射要低于水平极化,这和实验结论比较吻合。此外,还研究了丝状等离子体阵列覆盖下金属平板对两种极化入射电磁波的散射特性,结果表明垂直极化的入射波背向散射会大幅降低,和无等离子体时相比减小了近27dB,而水平极化入射波背向散射变化不明显,这些结论可以为火控雷达天线的丝状等离子体隐身提供参考。综上所述,本文针对电磁波在几种特殊的等离子体中传输和散射等关键问题,开展了仿真和实验研究,得到的结论可以为缓解黑障问题和研究新型等离子体隐身技术提供参考和理论支撑,对探索丝状等离子体阵列的新应用具有重要的意义。
包明哲[3]（2019）在《Linux系统下高超音速飞行器电磁仿真软件开发》文中研究说明随着临近空间战略地位的提高,可以在临近空间中的进行超音速飞行的飞行器得到了广泛的重视和快速的发展。高超音速飞行器在临近空间中飞行,飞行高度比常规飞行器高,飞行速度快,可以在短时间内对全球范围内的任意地点实施打击,而其极快的速度、多变的飞行轨迹和其再入过程中其表面产生的流场使得对于高超音速飞行的识别、追踪、拦截变得困难。对于高超音速飞行器进行建模和电磁特性的仿真,可以得到其电磁散射特性,得到其电磁散射特性数据既有助于对高超音速飞行器进行识别,也可以为对高超音速飞行器的研究提供仿真数据。本论文介绍了雷达散射截面的相关定义,以雷达散射截面为电磁散射特性的衡量标准,通过对于各种电磁仿真数值算法的简要分析,通过使用时域有限差分算法,色散时域有限差分算法计算雷达散射截面来实现对于高超音速飞行器的电磁仿真。由于电磁仿真中计算量大,时间长,在更加稳定的开源操作系统Linux上,通过使用功能强大的图形开发库Qt和与其配套集成开发环境Qt Creator设计并实现了一款以时域有限差分算法为基础的计算高超音速飞行器电磁散射特性的软件。在软件的主体设计与实现中主要分为了计算功能的实现与可视化功能的实现。在计算上通过将使用FORTRAN语言编写的源代码在Linux下进行共享库的生成来实现计算界面的计算代码的分离,保证了仿真计算的高效和方便源码的维护。使用了多线程将图形线程和计算线程分离提高了程序的响应能力,以此为基础完成了对于目标模型剖分,流场参数转换,流场耦合计算的功能。在可视化方面,对使用时域有限差分法进行电磁仿真计算的流程进行分析,结合具体的计算流程,在仿真的不同阶段使用了Qt中对OpenGL的支持完成了相应的可视化功能,包括对于模型和流场的显示功能,对模型剖分文件的显示功能。最后跟据电磁仿真计算结果实现了曲线绘制功能。使用软件计算了典型的目标的电磁散射特性并与解析解进行了对比,结果符合良好,通过对于流场及等离子体的相关理论为基础,计算了一个高超音速飞行器在覆盖等离子体情况下的电磁散射特性。
谢小峰[4]（2018）在《面向物联网时间序列数据深度学习的LSTM方法研究》文中认为随着计算机的性能不断提高,深度学习也得到了长足的发展,其在计算机视觉、机器翻译、语音识别等领域取得了很大的进步。而物联网和智慧城市的部署正在产生大量的时间序列数据。因此将深度学习应用到这些领域已经变成一个重要的研究课题。物联网时序数据的有效分析可以产生非常有价值的信息,将对其终端的物联网应用提供很好的决策基础。本文首先详细研究了物联网的基本架构以及在此架构上产生的时序数据的特征。并针对这些特征进行了详细地数据预处理,这为接下来构建模型搭建了基础。由于传统的统计学方法、机器学习方法、前馈神经网络方法、循环神经网络方法都存在着一定的局限,即预测精度不高、无法抓住时间依赖性特征、只适应于短期预测、容易发生梯度消失或梯度爆炸。通过对前馈神经网络、循环神经网络、LSTM神经网络这些深度学习方法进行深入研究探讨,本文提出了基于LSTM神经网络与多特征融合的物联网时序数据预测模型。该模型是在LSTM网络的基础之上加入了多特征融合层,很好的填补了 LSTM本身无法抽取多特征的缺点。这使得其不仅能很好完成了对物联网数据中时序关系的提炼,又完成了其他外界因素特征对未来数据的影响的抽取。实验结果也表明本文提出的LSTM与多特征融合的物联网时序数据预测模型,能够很好的对长期、短期、甚至弱时间依赖性的物联网时序数据的进行预测。接着针对当前物联网数据中可能存在的数据异常问题,本文结合之前提出的物联网时序数据预测模型,使用正常的数据集对其进行训练,然后使其产生预测残差,并发挥预测残差的优势,进一步利用其构建高斯朴素贝叶斯模型,实现对物联网时间序列数据的异常检测。这并不是简单的模型融合,其很好得利用了改进后的LSTM时序预测模型的产生预测残差,该残差天生带有时序关系,从而使得异常发生的前后事件关系始终保持着强的连接,再进一步发挥高斯朴素贝叶斯模型的优良分类能力实现异常检测。实验结果同时也表明本文提出的异常检测模型在各项指标均优于对比实验中的其他模型。
贾春刚[5]（2017）在《基于CUDA的粗糙面及其与目标复合散射的并行时域方法研究》文中指出近年来,基于统一计算设备架构（Compute Unified Device Architecture,CUDA）的图形处理器（Graphics Processing Unit,GPU）硬件加速技术已广泛用于电磁场数值模拟。与并行的中央处理器（Central Processing Unit,CPU）加速技术相比,GPU凭借其相对较小的硬件代价、强大的计算能力能够轻松实现较高的加速比,并提高了计算效率。做为电磁场数值模拟中的一种数值算法,时域有限差分方法（Finite Difference Time Domain,FDTD）具有很好的精度;其电场（磁场）分量的迭代公式只与它本身上一时刻的场值和周围网格磁场（电场）上半个时间步的值有关,而与计算区域内其它场量没有直接关系,具有天然的并行性。时域物理光学方法（Time-Domain Physical Optics,TDPO）在快速分析粗糙面的瞬态以及宽带特性方面具有明显优势。本文基于GPU的并行FDTD方法和TDPO方法对粗糙面及其与目标的复合电磁散射进行了系统深入研究。在单个GPU平台上分别用FDTD方法计算一维、二维粗糙面及其与目标散射做并行化设计及优化;用TDPO方法计算粗糙面散射并做并行设计和优化。在此基础上,进一步利用多GPU平台加速TDPO方法和FDTD方法计算粗糙面散射。论文主要工作如下:1、研究了FDTD计算一维粗糙面及其与目标复合散射并行及优化设计。未经过优化并行程序的加速比最高为74.49×。利用共享存储器、纹理存储器以及异步传输技术进行优化,并行程序最终可以实现高达101.41×的加速比,提高了计算效率。在此基础上,进一步利用CUDA-FDTD研究了不同入射角、粗糙面的均方根高度和相关长度、不同土壤介电常数对裸土电磁散射特性的影响。计算电大了海面与上方典型电大尺寸目标的复合双站散射系数,分析了海面风速、导弹倾斜角、导弹高度以及舰船的吃水深度对复合散射的影响。研究了脉冲波源激励下一维粗糙面瞬态响应以及宽带散射特性。2、研究了FDTD计算二维粗糙面及其与目标复合散射并行及优化设计。在未优化的条件下,比较不同网格的计算时间,得到最高40.16×加速比。在此基础上,使用共享存储器和寄存器对全局变量进行数据缓存提高并行程序的计算带宽,加速比提高至46.00×。采用异步传输技术掩盖CPU与GPU之间的数据通信,实现的加速比高达49.63×。讨论了入射方位角φi、海面风速、温度和盐度以及海面冰层覆盖对海面散射特性的影响;研究了不同入射角、海面上方不同风速、浮筒和球体不同吃水深度以及不同入射频率下海面与浮筒和球体复合的双站散射系数的变化规律。进一步研究了典型了船体、弹体目标与海面复合电磁散射特性。3、当太赫兹（Terahertz,THz）波照射时,由于波长相当小,使得原本光滑表面变得“粗糙”。THz散射的计算属于超电大问题,给计算内存和计算时间带来了极大的挑战。本文利用GPU-FDTD分别分析了一维、二维单层以及分层粗糙面的散射特性,比较了微波段和THz波段下粗糙面电磁散射的差异。4、利用高频方法物理光学从时域的角度来研究二维电大粗糙面的电磁散射特性,基于频域的物理光学,通过对电流以及磁流进行傅里叶变换,得到导体时域形式的远场物理光学公式,在得到瞬态响应后,对时域瞬态散射场进行傅里叶变换,得到远场的宽带响应。利用GPU显卡加速TDPO计算了二维电大尺寸粗糙面的电磁散射,详细给出了TDPO方法的并行方案以及计算流程,并进一步利用共享存储器对遮挡判断时所需要的行列式以及矩阵求解进行了优化。5、在单个GPU并行加速计算的基础上,将粗糙面及其与目标复合散射的FDTD和TDPO并行算法扩展到多GPU平台。在使用双GPU对FDTD计算一维粗糙面及其与目标复合散射时,针对显存容量限制粗糙面计算尺寸的问题,将GPU 1沿i方向扩展,扩大了GPU-FDTD的应用范围;利用双GPU加速TDPO方法计算了二维粗糙面散射,GPU 0对遮挡判断部分进行加速计算,GPU 1完成三角面元积分求和以及傅里叶变换计算宽带散射场部分的加速。
饶敬松[6]（2017）在《运动模糊图像盲去模糊算法的研究和实现》文中研究指明图像运动模糊是现实中常见的问题,其产生的原因是图像获取过程中镜头与物体之间存在相对运动。图像去模糊的目的是从模糊图像中恢复出清晰图像。在图像盲去模糊中,模糊核估计的好坏直接影响着图像复原的效果。本文提出了一种基于稀疏先验和相对总变分的模糊核估计方法:用权值L0平滑方法自适应地提取图像主体结构,剔除图像噪声、细节和小尺度物体边缘等不利于模糊核估计的因素,采用一种近似求解方法求解L0问题;用相对总变分方法解决稀疏先验作为正则项估计复杂模糊核的不准确性,运用了迭代重赋权最小二乘法（IRLS）和数值分析进行求解,实验结果表明本文算法得到的模糊核具有良好的稀疏性和连续性。在图像非盲去模糊中,采用超拉普拉斯先验的正则化方法估计清晰图像。实验结果表明,本文的算法相对于现有的图像去模糊方法,所估计出的清晰图像具有较好的结构和较少的伪迹,图像复原效果较好。针对含有噪声的模糊图像,在超拉普拉斯先验图像非盲去模糊算法的基础上,引入字典以利用图像的局部信息并抑制噪声,同时超拉普拉斯先验克服了字典带来的块效应。实验结果表明无论是在主观视觉上还是客观评判标准上,结合字典的超拉普拉斯先验算法的效果更好。将图像盲去模糊的核心算法移植到C674x DSP上进行实现。首先将代码转换成标准C代码,然后对代码进行优化,包括软件流水优化、片内存储优化、编译器优化和算术运算优化等,最后在CCS集成开发环境下进行硬件仿真。实验表明:DSP平台能够快速地实现图像去模糊算法,得到较好的清晰图像。
张辉[7]（2016）在《大宗商品电子交易市场建模与自动协商议价研究》文中提出国际大宗商品交易直接影响到国民经济体系,真实场景下的大宗商品电子交易平台需要一个适应超大规模业务量的具有自治性和智能性的监管系统。本文针对大宗商品电子交易平台建设所需要的关键理论与技术进行了较全面的研究分析,构建了大宗商品电子交易市场体系结构,定义了市场说明语言语法与议价环境的逻辑表示,设计了多边多议题自动协商议价逻辑模型与离散化算法,为自动协商议价大宗商品电子交易平台的建设提供了一定的理论支撑。
郭涛[8]（2013）在《序列综合容错算法及信道编码分析研究》文中进行了进一步梳理线性递归序列的容错综合问题在流密码分析领域有重要着的理论和应用价值。本文利用伽罗华域上的两个变元的多项式F[x,y]的齐次理想刻画齐次关键方程的解空间；说明了利用齐次关键方程来解决线性递归序列（LRS）综合问题不但具有可行性,而且具有某些容错性质；通过二元多项式齐次理想Grobner基的快速算法,给出了求解齐次关键方程的快速算法,给出了一个新的定理论述算法实现容错序列综合的一个充分条件。通过试验仿真,对该算法在不同的序列复杂度和误码率下的容错性能进行了分析。分析结果表明,算法的成功率与序列复杂度成线性关系,在误码率为10-3的情况下,对于序列复杂度为65序列长度1000的序列,算法的成功率可达86.6%以上。在此算法的基础上,本文给出了一种全序列拼接求解多序列综合问题的算法。该方法能够用于解决多条不等长序列的综合问题,其算法结构清晰,便于理解,是一个很有创意的方法。通过实例计算,我们说明了Grobner基序列综合算法的容错性能在多序列综合问题的求解中同样有效。序列综合算法的研究已相对成熟,然而对其容错算法的研究和应用却鲜有耳闻。该部分问题的研究不仅可以提高流密码分析的容错能力,同时在信道编码领域也有着重要的应用价值,本文同时研究了信道编码领域内的一些盲识别问题。Reed-Soloman（RS）编码作为信道编码中的一个重要部分,其具有最大距离可分等优秀性质,在多个领域内有着广泛的应用。本文介绍了一种基于欧几里德算法计算RS码生成多项式的方法,并以此为核心提出了一套解决RS码盲识别的方案。该方案具有一定的容错能力,通过实验仿真验证了该方案的可行性。此项研究成果已应用与863国家重点项目中。另外,本文还介绍了利用GPU的并行计算能力实现RS码并行译码及其仿真。结果表明,结合GPU高性能运算能力,RS码的译码速度可以得到数倍的提升。Gold码作为扰码的一种,其基于两组LRS产生的m序列求和得到伪随机序列。因其构造简单,序列数目多,在CDMA、雷达系统等通信技术中得到了广泛的应用。本文介绍了如何运用Grobner基序列综合算法及多项式分解算法有效地识别Gold码的两组LRS生成器,以及他们的初态,从而实现对Gold码的盲识别。该方法是一个多项式复杂度的算法,比起传统的组合穷举方法,该方法不存在对多项式最高次数的限制,是一个更为通用的算法。本文不仅通过实例的计算表明该算法的有效性,并且在理论上说明了该方法的可行性。给出了一个定理,证明了该Gold码盲识别算法只需经过紧凑的方程组求解即可得到正确的LRS生成器初态。
宋金平[9]（2013）在《递归程序编写方法探讨》文中指出递归程序是一种有效而简单的程序设计方法。它使得程序的逻辑思路简洁、清晰。本文就递归程序的写法及递归程序的优化进行论述,可以用公式法和数学归纳法编写递归程序。这两种方法使递归程序的编写变得简单,同时对于递归程序存在的占用大量的系统时间和弓箭的情况,给出尾部递归的方法加以解决。
段方兵[10]（2012）在《基于OpenVG的二维图像处理器设计与C Model实现》文中认为近年来因为智能手机、平板电脑、多媒体播放器等便携式设备的兴起，对高分辨率下绚丽的用户界面及流畅的多媒体内容体验的要求越来越高。如何在嵌入式处理器有限运算力，有限的存储空间下满足用户需求，并且提高有限电池容量的续航能力的问题越来越凸显出来。由于矢量图形在对存储空间的需求较小，以及缩放、旋转等各种操作对图像的质量几乎没有影响，在不同分辨率下均可以实现很好的显示效果，在便携式产品的多媒体应用中得到青睐。本文以Khronos发布的OpenVG1.1的规格为最主要的理论指导，在OpenVG标准中定义的功能管线之上，用软硬件协同设计的方法，来实现一个高效能、低成本、可重复使用的符合OpenVG1.1的规范的2D矢量图形处理器。本设计采用硬件单元来处理矢量图形处理所需的大量算术运算，并透过对OpenVG标准程序接口的支持，为各种不同的嵌入式系统提供顺畅地运行用户界面和丰富的多媒体内容。本设计的硬件加速器单元主要是针对OpenVG定义的功能管线中对路径的处理（包含各种曲线路径的标准化，路径的描绘与填充等），用户坐标到矢量图形坐标的转换以及反走样渲染等。通过将曲线路径统一采用三阶贝赛尔曲线拟合，再将三阶贝塞尔曲线用deCastlejau算法进行分解的方式将所有曲线用小的直线段来实现；对需要填充区域进行多边形分解，通过梯形填充的方式来实现。反走样渲染则采用过采样的方式，用更高的精度去采样每个像素点的色彩分量，将每个点的色彩分散在附近多个像素点上来实现平滑过渡，减小图形边缘的锯齿状走样图形。在对OpenVG定义的API接口及相应的功能管线的研究和归纳后定义和划分各功能模块，在实现的过程中通过优化相关算法来提高处理效率，减少对内部缓存的消耗，提高图形渲染的处理速度。通过C语言的编程，得到一个可用于转换成硬件描述语言（HDL）RTL的2D矢量图形处理C语言模型。经过最后的根据设计特性编写的测试程序及各种benchmark测试证明了本设计功能上的正确性和对OpenVG标准的兼容性。
二、线性递归DataLog程序优化算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、线性递归DataLog程序优化算法（论文提纲范文）
（1）基于深度学习的程序并行化方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 本文的主要工作 |
| 1.4 本文的组织结构 |
| 第2章 相关理论与方法 |
| 2.1 程序的并行性分析 |
| 2.1.1 数据依赖与控制依赖 |
| 2.1.2 静态分析与动态分析方法 |
| 2.1.3 并行性分析工具 |
| 2.2 LLVM编译器框架与IR |
| 2.3 程序的上下文流图 |
| 2.4 Polyhedral模型和Pluto编译器 |
| 2.5 图神经网络与图卷积神经网络 |
| 2.5.1 图的定义 |
| 2.5.2 GNN简介 |
| 2.5.3 GCN简介 |
| 2.6 本章小结 |
| 第3章 GFCPD的构造 |
| 3.1 数据搜集 |
| 3.2 数据提取 |
| 3.2.1 循环提取 |
| 3.2.2 代码重构 |
| 3.2.3 编译检验 |
| 3.3 数据标注 |
| 3.4 XFG的生成 |
| 3.5 数据集规模 |
| 3.6 本章小结 |
| 第4章 基于DGCNN的串行程序并行性识别方法 |
| 4.1 数据预处理 |
| 4.2 基于DGCNN的串行程序并行性识别模型 |
| 4.2.1 DGCNN的构建 |
| 4.2.2 损失函数的确定 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 PML与并行编程平台 |
| 5.1 基于XML的并行标记语言 |
| 5.1.1 可行性分析 |
| 5.1.2 PML的设计与实现 |
| 5.2 并行编程辅助平台 |
| 5.2.1 基础功能的实现 |
| 5.2.2 串行代码的并行性识别功能的集成 |
| 5.3 平台性能评估 |
| 5.3.1 单个案例的正确性评估 |
| 5.3.2 多个案例的时间性能评估 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 攻读学位期间发表的学术论文与获得的成果 |
| 附录B 攻读学位期间参加的科研项目 |
| 致谢 |
（2）电磁波在若干特殊等离子体中电磁特性的关键问题研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电磁波在磁化等离子体流场中传输特性的研究进展 |
| 1.2.2 电磁波在时变等离子体中传输特性的研究进展 |
| 1.2.3 亚波长等离子体鞘层对电小天线辐射调控的研究进展 |
| 1.2.4 丝状等离子体阵列放电及其与电磁波互作用研究进展 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本论文的结构安排 |
| 第二章 等离子体与电磁波相互作用的基础理论和数值方法 |
| 2.1 等离子体与电磁波的作用机理 |
| 2.2 基于FDTD方法的等离子体模拟 |
| 2.2.1 FDTD公式推导 |
| 2.2.2 等离子体Drude模型 |
| 2.3 本章小结 |
| 第三章 电磁波在磁化等离子体流场中传输特性研究 |
| 3.1 引言 |
| 3.2 RAMC-Ⅱ飞行器等离子体流场计算 |
| 3.3 电磁波在永磁体磁化的等离子体流场中传输特性计算 |
| 3.4 电磁波在磁化的“联盟号”返回舱等离子体流场中传输特性研究 |
| 3.5 本章小结 |
| 第四章 电磁波在时变磁化等离子体中传输特性研究 |
| 4.1 引言 |
| 4.2 超宽带磁窗通信天线的设计与参数测试 |
| 4.2.1 超宽带低剖面阿基米德磁窗天线仿真设计 |
| 4.2.2 超宽带低剖面阿基米德天线实测结果 |
| 4.3 时变辉光放电等离子体源电子密度和碰撞频率测试 |
| 4.4 L/S波段调制信号在时变磁化等离子体中传输性能研究 |
| 4.5 电磁波在时变磁化等离子体中传输特性的仿真分析 |
| 4.6 本章小结 |
| 第五章 亚波长等离子体鞘层对电小天线辐射调控研究 |
| 5.1 引言 |
| 5.2 亚波长等离子体鞘层对电小天线辐射的调控机理研究 |
| 5.3 亚波长等离子体鞘层对电小天线调控规律研究 |
| 5.5 本章小结 |
| 第六章 丝状放电等离子体阵列及其与电磁波互作用研究 |
| 6.1 引言 |
| 6.2 丝状放电等离子体阵列产生与诊断研究 |
| 6.2.1 丝状放电等离子体实验平台搭建 |
| 6.2.2 丝状放电等离子体参数诊断 |
| 6.3 丝状放电等离子体阵列与X波段微波互作用实验研究 |
| 6.4 X波段微波与丝状等离子体阵列相互作用仿真研究 |
| 6.5 丝状等离子体阵列覆盖下金属平板RCS计算 |
| 6.6 本章小结 |
| 第七章 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（3）Linux系统下高超音速飞行器电磁仿真软件开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要内容和研究目标 |
| 第二章 电磁仿真相关基础理论 |
| 2.1 雷达散射截面 |
| 2.1.1 雷达散射截面的计算 |
| 2.2 时域有限差分法 |
| 2.2.2 迭代公式 |
| 2.2.3 使用FDTD进行仿真 |
| 2.3 色散时域有限差分法 |
| 2.3.1 迭代公式 |
| 2.4 本章小结 |
| 第三章 三维仿真软件设计及实现 |
| 3.1 仿真软件开发基础 |
| 3.1.1 开发平台的选择 |
| 3.1.2 使用Linux平台进行开发 |
| 3.1.3 现有图形开发库的分析 |
| 3.2 仿真软件的多线程开发 |
| 3.2.1 对优化计算仿真的分析 |
| 3.2.2 仿真多线程的实现 |
| 3.3 仿真计算代码的动态库开发 |
| 3.3.1 对优化软件结构的分析 |
| 3.3.2 仿真代码的打包和加载 |
| 3.4 仿真软件计算流程实现 |
| 3.4.1 仿真计算流程说明 |
| 3.4.2 仿真软件计算演示 |
| 3.5 本章小结 |
| 第四章 模型显示及数据可视化 |
| 4.1 三维模型的显示 |
| 4.1.1 三维模型显示理论 |
| 4.1.2 三维模型显示的实现 |
| 4.2 流场的显示 |
| 4.2.1 流场文件 |
| 4.2.2 流场显示的实现 |
| 4.3 网格文件显示 |
| 4.3.2 渲染模式的选择 |
| 4.3.3 坐标系和立方体绘制 |
| 4.3.4 读取文件显示 |
| 4.4 RCS文件的绘制 |
| 4.4.1 RCS文件内容 |
| 4.4.2 绘制曲线 |
| 4.5 本章小结 |
| 第五章 典型三维目标的仿真 |
| 5.1 常规目标的计算 |
| 5.1.1 介质球目标的仿真 |
| 5.2 流场仿真基础理论 |
| 5.3 等离子体与金属复合目标计算 |
| 5.3.1 尾焰复合目标 |
| 5.3.2 类HTV-2 目标仿真 |
| 5.4 本章小结 |
| 第六章 全文总结和展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）面向物联网时间序列数据深度学习的LSTM方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 统计学习方法 |
| 1.2.2 传统机器学习方法 |
| 1.2.3 前馈神经网络法 |
| 1.2.4 循环神经网络法 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第2章 物联网时序数据及相关技术介绍 |
| 2.1 引言 |
| 2.2 物联网概述 |
| 2.2.1 物联网的基本架构 |
| 2.2.2 物联网时序数据的特征 |
| 2.3 物联网时序数据预处理 |
| 2.3.1 数据清洗 |
| 2.3.2 数据变换 |
| 2.3.3 构建数据集 |
| 2.4 前馈神经网络模型 |
| 2.4.1 神经网络的结构 |
| 2.4.2 神经网络的计算 |
| 2.5 循环神经网络模型 |
| 2.5.1 循环神经网络概述 |
| 2.5.2 循环神经网络的结构 |
| 2.5.3 循环神经网络的计算 |
| 2.6 小结 |
| 第3章 基于LSTM和多特征融合的时序预测 |
| 3.1 引言 |
| 3.2 LSTM模型 |
| 3.2.1 LSTM模型概述 |
| 3.2.2 LSTM模型的原理结构 |
| 3.3 LSTM和多特征融合的物联网时序预测 |
| 3.3.1 物联网时序预测模型架构 |
| 3.3.2 物联网时序数据模型训练 |
| 3.4 物联网时序数据预测模型的实验评估 |
| 3.4.1 实验环境 |
| 3.4.2 实验设置 |
| 3.4.3 数据集描述 |
| 3.4.4 评估指标 |
| 3.4.5 实验结果与分析 |
| 3.5 小结 |
| 第4章 基于LSTM和高斯朴素贝叶斯异常研究 |
| 4.1 引言 |
| 4.2 异常检测模型的总体架构 |
| 4.3 异常检测模型的设计 |
| 4.3.1 产出残差的LSTM预测模型 |
| 4.3.2 残差数据集构建高斯朴素贝叶斯 |
| 4.4 异常检测模型实验评估 |
| 4.4.1 实验环境 |
| 4.4.2 实验设置 |
| 4.4.3 数据集描述 |
| 4.4.4 评估指标 |
| 4.4.5 实验结果与分析 |
| 4.5 小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间发表的学术论文 |
| 附录B 攻读学位期间所参与的研究项目 |
（5）基于CUDA的粗糙面及其与目标复合散射的并行时域方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究概况和发展趋势 |
| 1.2.1 随机粗糙面及其与目标复合散射研究进展 |
| 1.2.2 FDTD算法的研究现状 |
| 1.2.3 GPU并行计算的研究现状 |
| 1.3 本文的主要工作及内容安排 |
| 1.3.1 论文的内容安排 |
| 1.3.2 论文的主要贡献 |
| 第2章 基于CUDA构架的GPU高性能计算技术 |
| 2.1 引言 |
| 2.2 硬件结构 |
| 2.2.1 计算单元 |
| 2.2.2 存储器 |
| 2.3 软件模型 |
| 2.3.1 核函数 |
| 2.3.2 并行层级 |
| 2.4 GPU超频 |
| 2.5 本章小结 |
| 第3章 一维粗糙面及其与目标复合散射的并行FDTD研究 |
| 3.1 引言 |
| 3.2 基于并行FDTD算法的一维粗糙面散射特性研究 |
| 3.2.1 一维粗糙面散射的计算模型 |
| 3.2.2 一维粗糙面散射的FDTD计算方法 |
| 3.2.3 一维粗糙面散射计算的FDTD并行设计及优化方案 |
| 3.2.4 数值算例及讨论 |
| 3.3 基于并行FDTD算法的一维粗糙面与目标复合散射特性研究 |
| 3.3.1 一维粗糙面与目标复合散射的计算模型 |
| 3.3.2 一维粗糙面散射与目标复合计算散射的FDTD并行设计 |
| 3.3.3 数值算例及讨论 |
| 3.4 基于并行FDTD算法的一维粗糙面宽带散射特性研究 |
| 3.5 THz波段下的一维粗糙面散射特性的并行FDTD研究 |
| 3.5.1 一维单层粗糙面散射特性研究 |
| 3.5.2 一维分层糙面散射特性研究 |
| 3.6 本章小结 |
| 第4章 二维粗糙面及其与目标复合散射的并行FDTD研究 |
| 4.1 引言 |
| 4.2 基于并行FDTD算法的二维粗糙面散射特性研究 |
| 4.2.1 二维粗糙面散射的计算模型 |
| 4.2.2 二维粗糙面散射的FDTD方法 |
| 4.2.3 二维粗糙面散射计算的FDTD并行设计及优化方案 |
| 4.2.4 数值算例及讨论 |
| 4.3 基于并行FDTD算法的二维粗糙面与目标复合散射特性研究 |
| 4.3.1 复合散射模型 |
| 4.3.2 数值算例及讨论 |
| 4.4 THz波段下的二维糙面散射特性研究 |
| 4.4.1 二维单层糙面散射特性研究 |
| 4.4.2 二维分层糙面散射特性研究 |
| 4.5 本章小结 |
| 第5章 二维粗糙面散射的TDPO算法研究及其并行化设计 |
| 5.1 引言 |
| 5.2 基于TDPO算法的二维粗糙面散射特性研究 |
| 5.2.1 二维粗糙面模型 |
| 5.2.2 入射脉冲波 |
| 5.2.3 二维导体粗糙面的TDPO计算公式 |
| 5.2.4 数值算例及讨论 |
| 5.3 二维粗糙面散射TDPO并行设计及优化 |
| 5.3.1 二维粗糙面散射计算的TDPO并行化设计 |
| 5.3.2 二维粗糙面散射计算的TDPO并行优化方案 |
| 5.4 小结 |
| 第6章 基于多GPU的粗糙面及其与目标复合散射的研究 |
| 6.1 引言 |
| 6.2 基于多GPU的FDTD计算一维粗糙面及其与目标复合散射的并行设计 |
| 6.2.1 并行设计方案 |
| 6.2.2 计算准确性和并行效率的验证 |
| 6.2.3 异步传输技术优化 |
| 6.3 基于多GPU的TDPO计算二维粗糙面散射的并行设计 |
| 6.3.1 并行设计方案 |
| 6.3.2 计算准确性与计算效率的验证 |
| 6.4 小结 |
| 第7章 结论和展望 |
| 7.1 论文研究工作结论 |
| 7.2 论文的研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）运动模糊图像盲去模糊算法的研究和实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和研究意义 |
| 1.2 现今国内外发展状况 |
| 1.3 论文研究内容和章节安排 |
| 第二章 基于相对总变分和稀疏先验的图像盲去模糊 |
| 2.1 图像运动模糊模型及一般求解 |
| 2.2 图像去模糊相关知识 |
| 2.2.1 图像先验 |
| 2.2.2 运动模糊核先验 |
| 2.3 图像盲去模糊方法 |
| 2.3.1 基于后验概率方法图像去模糊 |
| 2.3.2 显着边缘提取 |
| 2.4 模糊核估计 |
| 2.4.1 多尺度策略 |
| 2.4.2 模糊核估计结果比较和分析 |
| 2.5 图像复原 |
| 2.6 实验结果 |
| 2.7 本章小结 |
| 第三章 结合字典和超拉普拉斯先验的图像去模糊 |
| 3.1 引言 |
| 3.2 图像的稀疏表达 |
| 3.2.1 数学模型 |
| 3.2.2 训练字典 |
| 3.3 非盲去模糊方法介绍 |
| 3.4 结合超拉普拉斯先验和字典的图像去模糊 |
| 3.4.1 超拉普拉斯先验去模糊 |
| 3.4.2 结合超拉普拉斯先验和字典去模糊 |
| 3.5 实验及分析 |
| 3.5.1 图像复原的质量评价方法 |
| 3.5.2 实验结果及分析 |
| 3.6 本章小结 |
| 第四章 图像去模糊核心算法的DSP实现 |
| 4.1 DM8168的性能特点和软件开发环境介绍 |
| 4.1.1 C674x DSP概述 |
| 4.1.2 软件开发环境介绍 |
| 4.2 图像去模糊算法在DSP上实现 |
| 4.3 代码优化 |
| 4.3.1 软件流水和并行处理介绍 |
| 4.3.2 图像空间分块 |
| 4.3.3 片内存储器优化 |
| 4.3.4 编译器优化 |
| 4.3.5 算术运算优化 |
| 4.4 C674x DSP实验结果和分析 |
| 4.5 应用场景分析 |
| 4.6 本章总结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（7）大宗商品电子交易市场建模与自动协商议价研究（论文提纲范文）
| 1 关键理论与技术分析 |
| 1.1 交易市场模型与策略的形式化描述与评估 |
| 1.2 大宗商品电子交易市场的描述语言语法与语义 |
| 1.3 交易商需求、风险接受度和偏好的逻辑表示 |
| 1.4 多人多议题交易的逻辑议价解 |
| 2 大宗商品电子交易市场的模型与策略 |
| 2.1 市场模型 |
| 2.1 市场策略 |
| 3 大宗商品市场说明语言语法与议价环境的逻辑表示 |
| 4 多边多议题自动协商议价逻辑模型与离散化算法 |
| 5 结语 |
（8）序列综合容错算法及信道编码分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文的研究背景及选题意义 |
| 1.2 有限域理论基础 |
| 1.2.1 有限域及其多项式 |
| 1.2.2 本原元与本原多项式 |
| 1.3 纠错码理论基础 |
| 1.3.1 纠错码 |
| 1.3.2 线性码 |
| 1.3.3 循环码 |
| 1.4 信道编码识别分析 |
| 1.4.1 信道编码识别的背景意义 |
| 1.4.2 信道编码识别的相关问题 |
| 1.5 本文的结构 |
| 第二章 序列综合与RS码概述 |
| 2.1 线性移位寄存器介绍 |
| 2.1.1 线性移位寄存器 |
| 2.1.2 线性移位寄存器序列 |
| 2.1.3 线性移位寄存器序列的周期性 |
| 2.2 序列综合及其基本方法 |
| 2.2.1 线性移位寄存器的综合 |
| 2.2.2 Berlekamp-Massey序列综合算法 |
| 2.3 多序列综合及其基本方法 |
| 2.3.1 多序列综合问题 |
| 2.3.2 多序列综合算法 |
| 2.4 Reed-Solomon码及其译码 |
| 2.4.1 RS码介绍 |
| 2.4.2 RS码译码 |
| 2.4.3 多序列综合译码 |
| 2.5 本章小结 |
| 第三章 序列综合容错性研究 |
| 3.1 Gr(?)bner基理论基础 |
| 3.2 关键方程 |
| 3.2.1 序列综合与关键方程 |
| 3.2.2 齐次关键方程 |
| 3.2.3 齐次多项式的合冲 |
| 3.3 Gr(?)bner基序列综合算法 |
| 3.3.1 相关符号 |
| 3.3.2 Sy2sy双合冲算法 |
| 3.3.3 伽罗华域上序列综合实例 |
| 3.4 Gr(?)bner基序列综合算法的容错性分析 |
| 3.4.1 序列综合容错性实例分析 |
| 3.4.2 序列综合容错性定理 |
| 3.4.3 序列综合容错性实验仿真分析 |
| 3.5 Gr(?)bner基多序列综合及其容错性 |
| 3.5.1 Gr(?)bner基多序列综合 |
| 3.5.2 多序列综合容错性实验 |
| 3.6 本章小结 |
| 第四章 RS码识别分析研究 |
| 4.1 研究背景和意义 |
| 4.2 RS码盲识别 |
| 4.2.1 问题描述 |
| 4.2.2 生成多项式的识别 |
| 4.2.3 码型及本原元的识别 |
| 4.2.4 起始点识别与容错 |
| 4.2.5 实验与演示界面 |
| 4.3 基于GPGPU的RS码快速译码 |
| 4.3.1 GPU通用计算 |
| 4.3.2 CUDA架构 |
| 4.3.3 CUDA程序优化 |
| 4.3.4 RS码并行译码仿真 |
| 4.3.5 传输代价 |
| 4.4 本章小结 |
| 第五章 Gold码扰码识别分析研究 |
| 5.1 扰码识别分析 |
| 5.2 Gold码扰码的识别 |
| 5.2.1 Gold码及其识别问题 |
| 5.2.2 Gold码生成器识别 |
| 5.3 有限域上多项式分解 |
| 5.4 Gold码盲识别实例仿真 |
| 5.5 可行性说明 |
| 5.6 计算复杂性说明 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（9）递归程序编写方法探讨（论文提纲范文）
| 1 递归的特点 |
| 2 递归程序设计的关键点 |
| 2.1 从整体把握问题 |
| 2.2 关注函数的返回值 |
| 3 递归程序的编写方法 |
| 3.1 公式法 |
| 3.2 用数学归纳法编写递归程序 |
| 4 递归程序的优化 |
| 4.1 递归和非递归程序分析 |
| 4.2 递归程序的优化 |
（10）基于OpenVG的二维图像处理器设计与C Model实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 选题来源和依据 |
| 1.3 研究的目的与意义 |
| 1.3.1 OpenVG 硬件加速的意义 |
| 1.3.2 OpenVG 硬件加速器的设计目的 |
| 1.4 文本的内容安排和主要的研究成果 |
| 第二章 OPENVG 的标准体系与功能模块划分 |
| 2.1 OPENVG 的标准体系 |
| 2.2 OPENVG 标准中的流水线模块划分 |
| 2.3 OPENVG 中的路径 |
| 2.3.1 OpenVG 标准中涉及到的路径片段 |
| 2.3.2 OpenVG 标准对路径填充的定义 |
| 2.3.3 OpenVG 标准对路径描绘的定义 |
| 2.3.4 路径的填充和描绘路径之间的区别与联系 |
| 第三章 OPENVG 硬件加速引擎的系统架构及实现 |
| 3.1 OPENVG 硬件加速引擎的系统架构 |
| 3.2 描绘、填充路径的生成 |
| 3.2.1 对 OpenVG 中路径/子路径的分级实现 |
| 3.2.2 用户数据的标准化处理 |
| 3.2.2.1 用三阶贝赛尔曲线拟合二阶贝赛尔曲线 |
| 3.2.2.2 用三阶贝塞尔曲线拟合椭圆曲线 |
| 3.2.2.3 圆弧的贝赛尔曲线拟合 |
| 3.3 路径的填充和描绘过程 |
| 3.3.1 路径的填充流程 |
| 3.3.2 路径的描绘流程 |
| 3.4 填充和描绘路径的算法及实现流程 |
| 3.4.1 路径填充和描绘过程中的内存管理 |
| 3.4.2 描绘路径的内外轮廓生成 |
| 3.4.2.1 描绘路径的画笔样式 |
| 3.4.2.2 生成描绘路径的画笔 |
| 3.4.2.3 用“画笔”生成内外轮廓图形 |
| 3.4.3 端点和子路径连接点图形的生成 |
| 3.4.3.1 路径描绘端点图形的样式 |
| 3.4.3.2 端点图形模板生成过程 |
| 3.4.3.3 生成连接点图形的过程 |
| 3.5 本章小结 |
| 第四章 相关算法的选取、实现与优化 |
| 4.1 路径的生成与分解 |
| 4.2 BRESENHAM 直线段生成算法 |
| 4.3 三阶贝塞尔曲线分解算法的研究与实现 |
| 4.3.1 deCastlejau 算法 |
| 4.3.2 逼近误差容限 |
| 4.3.3 直线段拟合三阶贝赛尔曲线的误差计算 |
| 4.3.4 用 B-Splines 表示贝赛尔曲线 |
| 4.4 图像渲染时的仿射坐标变换 |
| 4.5 多边形填充的实现算法 |
| 4.5.1 标记填充 |
| 4.5.2 边缘填充的实现 |
| 4.5.2.1 边缘填充的实现 |
| 4.5.2.2 边缘填充的算法优化 |
| 4.5.2.3 边缘填充算法对存储空间的需求 |
| 4.6 多边形的光栅化算法 |
| 4.6.1 多边形的特征参数 |
| 4.6.2 多边形光栅化算法流程 |
| 4.7 反走样渲染算法实现 |
| 4.7.1 直线的反走样算法简介 |
| 4.8 本章小结 |
| 第五章 OPENVG 硬件加速器的测试 |
| 5.1 OPENVG 硬件加速器的测试环境 |
| 5.1.1 测试系统头文件定义 |
| 5.1.1.1 用于存储测试程序运行环境的结构体 |
| 5.1.1.2 用于存储各测试程序的特定信息 |
| 5.1.1.3 参数设置的宏定义 |
| 5.1.2 测试平台主函数定义 |
| 5.1.3 测试用例主函数定义 |
| 5.1.4 测试文件 |
| 5.2 测试结果分析 |
| 5.3 本章小结 |
| 第六章 总结与结论 |
| 6.1 本设计所研究的主要内容 |
| 6.2 实际意义及展望 |
| 致谢 |
| 参考文献 |
四、线性递归DataLog程序优化算法（论文参考文献）
- [1]基于深度学习的程序并行化方法研究[D]. 王世领. 湖南大学, 2020
- [2]电磁波在若干特殊等离子体中电磁特性的关键问题研究[D]. 薄勇. 电子科技大学, 2020(07)
- [3]Linux系统下高超音速飞行器电磁仿真软件开发[D]. 包明哲. 西安电子科技大学, 2019(02)
- [4]面向物联网时间序列数据深度学习的LSTM方法研究[D]. 谢小峰. 湖南大学, 2018(01)
- [5]基于CUDA的粗糙面及其与目标复合散射的并行时域方法研究[D]. 贾春刚. 西安电子科技大学, 2017(03)
- [6]运动模糊图像盲去模糊算法的研究和实现[D]. 饶敬松. 华南理工大学, 2017(07)
- [7]大宗商品电子交易市场建模与自动协商议价研究[J]. 张辉. 武汉船舶职业技术学院学报, 2016(04)
- [8]序列综合容错算法及信道编码分析研究[D]. 郭涛. 复旦大学, 2013(03)
- [9]递归程序编写方法探讨[J]. 宋金平. 科技通报, 2013(04)
- [10]基于OpenVG的二维图像处理器设计与C Model实现[D]. 段方兵. 电子科技大学, 2012(06)