并行分布实现矩阵乘法

应用背景  Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。  关键技术频繁项集挖掘采用spark实现的并行化挖掘算法。并行的apriori算法采用scala编写，并行的apriori采用java编写。里面会有较多函数使编程的内容。 

目的：加速视频中彩色图像转换为灰度图像，提取视频图像中的边缘。 开发环境：windows 8.1 x64操作系统  vs2012 cuda5.5  opencv2.4.8 硬件环境：NVIDIA  GeForce GT 740M ,4G内存，Intel(R) Core(TM) i5-4200MCPU @2.50GHz 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

本程序为简易的CUDA编程，两个程序都是计算矩阵的乘法。其中Matrix1和Matrix2的区别是Matrix2使用了shared memory。每个程序都使用了串行和并行两种方式计算乘法，最后将并行的运算结果与串行运算结果对比，验证计算的正确性。同时，程序中利用CUDA计时模块统计了并行运算的耗时。因此可以得出使用shared memory后改善的运行时间。

多种算法实现链表的排序，可以更具需要进行适当该表计算哦，是基础了，欢迎同在学习的伙伴一起努力哦~ 数据结构实验

本文介绍了一个通过GPU CUDA实现两个双矩阵相乘的MATLAB运算包。

这是示例如何用逐次超松驰迭代 （SOR） 方法，求解线性系统的方程 使用 python 库 mpi4py。算法尝试计算节点之间平分。该程序不仅可以 在集群上运行。

本次实验主要目的是熟悉VISUALDSP++的开发环境。针对ADSP－TS201，利用几个用C、C++和汇编语言写成的简单例子来描述VISUAL DSP++编程环境和调试器（debugger）的主要特征和功能。对于运行在其它类型TS20x处理器的程序只需对其链接描述文件（．

openmp，并行计算是提高代码效率的非常有用的处理方法； 这是一个全面的openmp的使用例子；可以从类似编译条件的方式使用MP， 学习OPENMP让，程序飞起来！

dsfdsfllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllll