学位论文 > 优秀研究生学位论文题录展示

基于多核环境的基因贝叶斯网络构造算法研究与实现

作　者: 黄永城
导　师: 李明禄
学　校: 上海交通大学
专　业: 计算机应用技术
关键词: 基因网络 贝叶斯网络 并行计算 OpenMP CUDA
分类号: Q75
类　型: 硕士论文
年　份: 2012年
下　载: 63次
引　用: 0次
阅　读: 论文下载
 

内容摘要


在生物信息学中,研究人员经常通过研究基因表达之间的相互关系来研究基因在蛋白质合成中所起的作用。基因表达的相互关系又可以用基因网络来表示。研究基因网络的一个很重要的模型就是贝叶斯网络。贝叶斯网络具有较好的灵活性,能够处理含有大量噪声的、随机信息的基因表达数据,同时如果在融合了先验知识的基础上,能够更加准确的构建基因网络。但是,构建基因贝叶斯网络的过程往往是一个迭代的过程,具有算法复杂度高,程序运行时间长等缺点。本文通过研究并实现能够处理大量基因表达数据的基因贝叶斯网络构造算法:“稀疏候选”(Sparse Candidate)算法,成功地构建了小白鼠脑基因之间的基因网络,并在此基础上,基于多核环境下并行计算的技术,设计了基于多核CPU的基因贝叶斯网络构造算法(pSC),并使用OpenMP语言实现,在Intel I7 920的多核CPU上实现5.4左右的加速比,同时设计了基于众核GPU的基因贝叶斯网络构造算法(gSC),并使用CUDA语言在单个NVIDA M2050 GPU上实现8.6左右的加速比,最后,在异构环境中,使用四块NVIDIA M2050 GPU运行该程序,实现34.4左右的加速比,显著地提高了程序运行的效率,从而提高了生产率。

全文目录


摘要  3-4
ABSTRACT  4-7
第一章 研究背景  7-19
  1.1 基因网络  7-8
  1.2 贝叶斯网络  8-11
    1.2.1 贝叶斯定理与假设  8
    1.2.2 贝叶斯网络描述及学习  8-11
    1.2.3 贝叶斯网络的假设前提及问题  11
  1.3 并行计算  11-12
  1.4 OpenMP 编程模型  12-13
  1.5 CUDA 编程模型  13-16
    1.5.1 CUDA 线程模型  14-15
    1.5.2 CUDA 存储器模型  15-16
  1.6 相关研究工作  16-17
    1.6.1 基因贝叶斯网络学习算法  16
    1.6.2 基于多核CPU 的并行技术  16-17
    1.6.3 基于众核GPU 的并行技术  17
  1.7 研究目的  17-18
    1.7.1 现有问题  17-18
    1.7.2 基于多核环境的基因贝叶斯网络构造算法  18
  1.8 论文大纲  18-19
第二章 基因贝叶斯网络构造算法（SC）研究与实现  19-29
  2.1 基因贝叶斯网络构造算法：SC 算法  19
  2.2 算法设计与实现  19-27
    2.2.1 基本框架  19-20
    2.2.2 算法细节  20-26
    2.2.3 算法实现  26-27
  2.3 算法的复杂度分析  27-28
  2.4 本章小结  28-29
第三章 基于多核CPU 的基因贝叶斯网络构造算法（pSC）设计与实现  29-35
  3.1 基于多核CPU 的并行算法设计  29-30
  3.2 基于多核CPU 的基因贝叶斯网络构造算法（pSC）设计与实现  30-33
    3.2.1 程序热点分析  30-31
    3.2.2 单个基因贝叶斯网络构造中的并行  31-32
    3.2.3 多个基因贝叶斯网络构造间的并行  32-33
  3.3 基于多核CPU 的基因贝叶斯网络构造算法（pSC）优化方法与分析  33-34
    3.3.1 局部性  33
    3.3.2 负载平衡  33-34
    3.3.3 嵌套并行  34
  3.4 本章小结  34-35
第四章 基于众核GPU 的基因贝叶斯网络构造算法（gSC）设计与实现  35-42
  4.1 基于众核GPU 的并行算法设计  35-36
  4.2 基于众核GPU 的基因贝叶斯网络构造算法（gSC）设计与实现  36-39
    4.2.1 使用单卡的基因贝叶斯网络构造算法（gSC）  36-38
    4.2.2 使用多卡的基因贝叶斯网络构造算法（gSC）  38-39
  4.3 基于众核GPU 的基因贝叶斯网络构造算法（gSC）优化方法及分析  39-40
  4.4 本章小结  40-42
第五章 测试结果与分析  42-49
  5.1 测试数据与测试环境  42-43
    5.1.1 测试数据与测试目标  42-43
    5.1.2 测试环境  43
  5.2 测试结果与分析  43-48
    5.2.1 验证算法的正确性  43-44
    5.2.2 基于多核CPU 的pSC 算法测试结果与分析  44-45
    5.2.3 基于众核GPU 的gSC 算法测试结果与分析  45-47
    5.2.4 综合结果对比与分析  47-48
  5.3 本章小结  48-49
第六章 总结与展望  49-51
  6.1 总结  49-50
  6.2 下一步工作展望  50-51
参考文献  51-56
致谢  56-57
攻读硕士学位期间发表的学术论文  57-59

相似论文

  1. 多传感器信息融合及其在可穿戴计算机上的应用,TP202
  2. 黄磷储罐区安全评价方法研究,TQ126.317
  3. 基因表达谱数据聚类分析方法比较与大豆疫霉基因的网络构建,S435.651
  4. 脑瘤的基因网络建模与分析,R739.4
  5. 基于CUDA的图像数字水印技术的研究,TP309.7
  6. 用贝叶斯网络对蛋白质LOOP结构建模的研究,Q51
  7. 基于MPI的三维地层建模和可视化方法研究,TP391.41
  8. CUDA平台下数字图像认证方法的设计与实现,TP391.41
  9. 基于GPU并行加速的正射影像生成研究,TP391.41
  10. 生物网络的逆向建模与分析,R734.2
  11. 基于模糊贝叶斯网络的信用卡信用风险的定量分析研究,F224
  12. FPSO在石油卸载过程中的风险评估,U698
  13. 数据流特征选择策略的研究,TP311.13
  14. 光学衍射场次级衍射的研究,O436.1
  15. 并发系统的并行计算及性能分析,TP338.6
  16. 大规模二次规划相关算法的研究,O221.2
  17. 环境一号卫星CCD影像云去除方法研究及并行化实现,P228
  18. 基于GPU的BLAST程序的并行计算的研究,TP338.6
  19. 基于GPU的医学图像体绘制算法的研究与实现,TP391.41
  20. 基于并行计算的医学超声成像技术研究,TP391.41
  21. 遥感影像并行计算策略研究,TP751

中图分类: > 生物科学 > 分子生物学 > 分子遗传学
© 2012 www.xueweilunwen.com