第一章 并行计算概论 1
1.1 并行计算机 1
1.1.1 SIMD计算机 1
1.1.2 MIMD计算机 2
1.2 并行算法 6
1.2.1 并行算法的基本概念 7
1.2.2 并行算法的分类 12
1.2.3 并行算法研究的基本方法 13
1.3 并行计算模型 15
1.4 并行程序设计 21
1.4.1 并行程序设计模型 21
1.4.2 并行程序设计环境 23
1.4.3 自动并行化编译系统 31
1.5 国内外高性能计算研究现状与展望 31
1.5.1 国内外高性能计算研究现状 31
1.5.2 国内外高性能计算发展趋势 35
第二章 离散傅里叶变换的并行算法 40
2.1 离散傅里叶变换及其快速算法 40
2.1.1 一维DFT的快速算法 41
2.1.2 二维及多维DFT的快速算法 45
2.2 并行快速傅里叶变换 52
2.2.1 MIMD并行算法 52
2.2.2 向量并行算法 54
2.3 二维及多维DFT的并行算法 56
2.3.1 并行行列算法 57
2.3.2 并行矩阵转置 58
2.3.3 通信和计算的重叠 62
2.4 并行多项式变换算法 62
2.5 一维DFT的分裂并行算法 67
第三章 离散余弦变换与离散W变换的并行算法 73
3.1 离散余弦变换及其快速算法 73
3.1.1 DCT同DFT的关系 75
3.1.2 DCT的直接分解算法 76
3.1.3 任意长度一维DCT的直接分解算法 78
3.1.4 二维及多维离散余弦变换 85
3.2 DCT的并行算法 87
3.2.1 一维DCT的分裂并行算法 87
3.2.2 二维及多维DCT的并行算法 90
3.3 离散W变换及其快速算法 96
3.3.1 DWT同DFT的关系 97
3.3.2 DWT的直接分解算法 98
3.3.3 二维及多维DWT 105
3.4 离散W变换的并行算法 114
3.4.1 一维DWT的并行算法 114
3.4.2 多维DWT的并行算法 116
3.5 离散W变换的卷积定理 116
4.1 小波变换导论 124
4.1.1 连续小波变换 124
第四章 小波分析的并行算法 124
4.1.2 二进小波变换 125
4.1.3 小波级数 126
4.1.4 多尺度分析和离散小波变换 128
4.1.5 高维多尺度分析和Mallat算法 132
4.1.6 小波包算法 135
4.2 小波函数值的计算 135
4.2.1 叠代方法 136
4.2.2 逐？方法 137
4.2.3 ？小波函数的计算 140
4.3 小波变换的计算 146
4.3.1 有限长度离散小波的计算 147
4.3.2 离散小波变换计算的傅里叶变换方法 151
4.3.3 小波级数和连续小波变换的计算 153
4.4 小波包最优基选取的并行算法 155
4.4.1 小波包和最优基 155
4.4.2 并行小波包分解和最优基选取 157
4.5.1 一维离散小波变换的并行算法 160
4.5 离散小波变换的并行算法 160
4.5.2 二维离散小波变换的并行算法 162
4.5.3 逆离散小波变换的并行算法 164
4.5.4 算法的并行实现 166
4.6 注记和说明 168
第五章 数字图像处理中的并行算法 171
5.1 简介 171
5.2 直方图的并行算法 172
5.3 并行边缘检测技术及其相关算法 177
5.3.1 边缘检测算子 179
5.3.2 基于小波的多方向、多尺度并行边缘检测技术 184
5.3.3 Hough变换及其并行算法 191
5.4 二维区域分割的一种并行算法 197
5.4.1 深度与方向的不连续性 198
5.4.2 扩散平滑 199
5.4.3 边界处理 200
5.4.4 曲率图像的计算 201
5.4.5 零阈值取法 202
5.4.6 输出数据与分类 202
5.4.7 并行算法的实现 202
第六章 基于代数结构的并行神经网络算法 206
6.1 人工神经网络 206
6.1.1 人工神经元与神经网络 206
6.1.2 连接模型 208
6.1.3 学习与回溯阶段 209
6.2 神经网络有监督学习算法 209
6.2.1 感知机与Adaline模型 210
6.2.2 前馈网络 212
6.2.3 递归神经网络 215
6.2.4 反向传播学习 218
6.2.5 其他有监督学习算法 221
6.3.1 Kohonen图的构造 223
6.3.2 传播激活规则 223
6.3 神经网络中无监督的学习算法——Kohonen图 223
6.3.3 训练Kohonen自组织特征图 225
6.4 用于无监督学习算法的模型化并行 226
6.4.1 Petri网 226
6.4.2 并行实现方式 227
6.5 有监督学习的代数分治 231
6.5.1 并行矩阵乘积 232
6.5.2 处理器网络、结构与布局 235
6.5.3 反向传播并行算法 237
6.5.4 并行Hopefield网络算法 239
6.6 并行Kohonen图算法 240
6.6.1 一种简明的并行算法 240
6.6.2 负载平衡的改进 241
第七章 素性测试和大整数分解 244
7.1 引言 244
7.1.1 公钥密码体制 244
7.1.2 素性测试 245
7.1.3 大整数分解 246
7.2 概率素性测试法 248
7.2.1 并行费马素性测试法 248
7.2.2 并行Solovay-Strassen素性测试法 251
7.2.3 并行Miller-Rabin素性测试法 253
7.3 确定性素性测试法 258
7.3.1 Jacobi和素性测试 258
7.3.2 椭圆曲线素性测试法 261
7.4.1 Kraitchik格式 262
7.4 大整数分解的分解基算法 262
7.4.2 并行分解基算法 263
7.4.3 分解基算法的启发式时间复杂性估计 266
7.5 二次筛因子分解法及其并行处理 270
7.5.1 单个多项式的二次筛法 270
7.5.2 多个多项式的二次筛法 271
7.6 数域筛法及其并行处理 276
7.7 椭圆曲线因子分解法 280