导读:本文包含了矩阵相乘论文开题报告文献综述及选题提纲参考文献，主要关键词:并行计算,MPI,矩阵相乘,消息传递
矩阵相乘论文文献综述
张亮,赵妍[1]（2019）在《基于MPI的矩阵相乘并行计算的一种探究》一文中研究指出研究了矩阵相乘的并行算法,基于MPI消息传递库采用C语言实现了该算法,讲解了矩阵并行乘法中的矩阵划分方法和消息传递方法。(本文来源于《电脑知识与技术》期刊2019年23期）
王蒙,方睿,邹书蓉[2]（2018）在《基于矩阵相乘的Apriori改进算法》一文中研究指出Apriori算法是一种经典的关联规则挖掘算法,算法能够很好地挖掘出关联规则,通过对频繁项集的连接步和剪枝步得到候选集,但是还要对大量候选集进行多次重复扫描数据库,产生庞大的候选集,严重影响了算法执行效率。论文提出一种基于矩阵的改进算法,通过事务矩阵和项集矩阵相乘来改进反复回扫数据库的问题,建立事务数组统计删除在算法执行过程中不能生成下一频繁集的事务,优化Apriori算法对频繁项集的连接步和剪枝步过程。通过实验验证改进算法不仅能准确地挖掘出频繁项集而且大大地缩短挖掘时间。(本文来源于《计算机与数字工程》期刊2018年10期）
张静,邬恩杰[3]（2016）在《基于正交链表存储结构的稀疏矩阵相乘算法的实现》一文中研究指出正交链表存储结构是大型稀疏矩阵压缩存储的一种较好的链式存储结构。实现了基于正交链表存储结构的大型稀疏矩阵相乘算法并应用C++类模板对类中参数进行抽象化,从而提高程序代码的复用性。(本文来源于《河套学院学报》期刊2016年03期）
黄嘉威[4]（2015）在《多项式相乘的矩阵形式》一文中研究指出本文把多项式相乘的过程分解为矩阵形式,简化多项式相乘的运算.并引进从给定条件把矩阵简化为方阵的方法,使得分母有理化和极小多项式问题一般化.(本文来源于《数学学习与研究》期刊2015年17期）
阳王东,李肯立[5]（2015）在《准对角矩阵与向量相乘在CPU+GPU异构集群上的实现与优化》一文中研究指出稀疏矩阵与向量相乘(Sp MV)是科学计算和工程应用中一个重要问题,而且非常适宜进行并行计算,目前在GPU对Sp M V的实现和优化是一个研究热点.针对准对角矩阵存在的一些不规则性,采用CSR+DLA混合存储格式来进行Sp M V计算,能够提高压缩的效果.为了发挥CPU多核的并行计算能力,采用一种CPU+GPU混合计算模式,这样可以把混合存储格式不同格式的数据分割到CPU和GPU上,从而提高了资源的利用效能.本文另外还在分析CPU+GPU异构计算模式的特征基础上,提出一些优化策略,能够改进准对角矩阵与向量相乘在异构计算环境中的计算性能.(本文来源于《小型微型计算机系统》期刊2015年07期）
贺雨晴,张楠,李云东[6]（2015）在《行列块不同划分机制下矩阵向量相乘的并行计算方法》一文中研究指出矩阵运算是工程数值计算中一种常见的运算方式。大量的高维矩阵运算对数学计算提出了新的要求。该文提出了叁种模式下的矩阵划分并行计算,分别是按行,按列,按块划分。运用MPI并行计算技术,比较出了适合工程上计算的模式,得到了按行划分算法的优势。(本文来源于《电脑知识与技术》期刊2015年20期）
苑野,于永浩[7]（2014）在《一种矩阵相乘的并行算法实现与性能评测》一文中研究指出用传统的串行算法进行矩阵相乘运算会受到矩阵规模、单机的CPU主频、内存大小和存储器空间等方面的限制.而使用并行算法是解决上述限制的最有效途径.为此,在集群计算环境下,使用SPMD计算模型和基于MPI消息传递技术设计实现了矩阵相乘的并行算法.实验表明,此并行算法在一定矩阵规模下具有较好的加速比和并行效率.(本文来源于《哈尔滨商业大学学报(自然科学版)》期刊2014年05期）
阳王东,李肯立,石林[8]（2014）在《一种准对角矩阵的混合压缩算法及其与向量相乘在GPU上的实现》一文中研究指出稀疏矩阵与向量乘(SpMV)属于科学计算和工程应用中的一种基本运算,其高性能实现与优化是计算科学的研究热点之一。在微分方程的求解过程中会产生大规模的稀疏矩阵,而且很大一部分是一种准对角矩阵。针对准对角矩阵存在的一些不规则性,提出一种混合对角存储(DIA)和行压缩存储(CSR)格式来进行SpMV计算,对于分割出来的对角线区域之外的离散非零元素采用CSR存储,这样能够克服DIA在不规则情况下存储矩阵的列迅速增加的缺陷,同时对角线采用DIA存储又能充分利用矩阵的对角特征,以减少CSR的行非零元素数目的不均衡现象,并可以通过调整存储对角线的带宽来适应准对角矩阵的不同的离散形式,以获得比DIA和CSR更高的压缩比,减小计算的数据规模。利用CUDA平台在GPU上进行了实验测试,结果表明该方法比DIA和CSR具有更高的加速比。(本文来源于《计算机科学》期刊2014年07期）
潘亮,郭改枝,宋鑫梦[9]（2014）在《基于OpenMP矩阵相乘并行算法的设计》一文中研究指出目的设计并实现一种基于数据划分的矩阵乘法的并行算法,将划分的数据交给多个线程同时执行,充分挖掘计算机的性能。方法根据OpenMP并行编程的基本风格,并在Visual Studio2005上搭建能够实现并行编程的环境平台。结果并行算法所花费的时间较非并行算法短。结论通过与非并行矩阵乘法性能进行比较,验证该算法可以有效地利用多核处理器的优势。(本文来源于《宝鸡文理学院学报(自然科学版)》期刊2014年01期）
冯健,倪明,赵建波[10]（2013）在《一种基于分布式平台Hadoop的矩阵相乘算法》一文中研究指出为了解决单节点上大矩阵相乘运算量过大的问题,提出了一种基于分布式平台Hadoop的矩阵相乘算法.算法采用了字节文件作为输入以及最优化的分片方式,去掉了不必要的Reduce过程,极大地减少了输入数据量,拥有简洁的算法流程和可拓展性.实验结果表明该算法很好地解决了矩阵相乘运算量过大的问题,当输入数据量接近集群最佳负载量的情况下取得了很好的加速比.(本文来源于《计算机系统应用》期刊2013年12期）
矩阵相乘论文开题报告
（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：
Apriori算法是一种经典的关联规则挖掘算法,算法能够很好地挖掘出关联规则,通过对频繁项集的连接步和剪枝步得到候选集,但是还要对大量候选集进行多次重复扫描数据库,产生庞大的候选集,严重影响了算法执行效率。论文提出一种基于矩阵的改进算法,通过事务矩阵和项集矩阵相乘来改进反复回扫数据库的问题,建立事务数组统计删除在算法执行过程中不能生成下一频繁集的事务,优化Apriori算法对频繁项集的连接步和剪枝步过程。通过实验验证改进算法不仅能准确地挖掘出频繁项集而且大大地缩短挖掘时间。
（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。
矩阵相乘论文参考文献
[1].张亮,赵妍.基于MPI的矩阵相乘并行计算的一种探究[J].电脑知识与技术.2019
[2].王蒙,方睿,邹书蓉.基于矩阵相乘的Apriori改进算法[J].计算机与数字工程.2018
[3].张静,邬恩杰.基于正交链表存储结构的稀疏矩阵相乘算法的实现[J].河套学院学报.2016
[4].黄嘉威.多项式相乘的矩阵形式[J].数学学习与研究.2015
[5].阳王东,李肯立.准对角矩阵与向量相乘在CPU+GPU异构集群上的实现与优化[J].小型微型计算机系统.2015
[6].贺雨晴,张楠,李云东.行列块不同划分机制下矩阵向量相乘的并行计算方法[J].电脑知识与技术.2015
[7].苑野,于永浩.一种矩阵相乘的并行算法实现与性能评测[J].哈尔滨商业大学学报(自然科学版).2014
[8].阳王东,李肯立,石林.一种准对角矩阵的混合压缩算法及其与向量相乘在GPU上的实现[J].计算机科学.2014
[9].潘亮,郭改枝,宋鑫梦.基于OpenMP矩阵相乘并行算法的设计[J].宝鸡文理学院学报(自然科学版).2014
[10].冯健,倪明,赵建波.一种基于分布式平台Hadoop的矩阵相乘算法[J].计算机系统应用.2013