摘要：隐马尔可夫模型(HMM)是建立在马尔可夫链的基础上的统计模型。虽然隐马尔可夫模型是一种计算高效的机器学习模型,但是当处理的数据集规模过于庞大时,分析的时间太长。因此,我们有必要研究隐马尔可夫模型的并行化设计,以提高模型的运算速度。近年来,开放计算语言(OpenCL)的出现,使得设计通用的并行程序成为可能。该文,我们分析了隐马尔可夫模型三类算法的并行特性,并设计基于OpenCL的并行实现。实验结果表明,隐马尔可夫模型在gpu上的并行化实现最高获得了640倍的加速比。

摘要：多媒体视频处理的任务繁重,计算量大,很多算法无法在仅使用一颗CPU的条件下达到实时处理的速度。设计一套图形处理器协同运算的视频处理架构,它采用图形处理器与中央处理器配合,共同完成视频计算的任务。这种架构可以大大加速处理速度,并减轻中央处理器的负担。