本书详细阐述了稀疏矩阵相关计算的应用背景，并对目前已知的主要压缩编码格式进行了详细介绍。在此基础上，分别对稀疏矩阵向量乘（SpMV）、稀疏矩阵稀疏矩阵乘（SpGEMM）的算法设计和实现技术进行了详细阐述；给出了面向异构计算平台的稀疏矩阵划分方法及SpMV负载均衡算法，能够适用于CPU+GPU以及多GPU构成的异构计算系统；介绍了一种基于数学形态学的稀疏矩阵划分方法，该方法基于稀疏矩阵缩略图和形态学方法，提取稀疏矩阵中稠密子矩阵，包括矩形稠密区域，三角形稠密区域，以及稠密对角线，并根据非零元分布为不同的子矩阵选择较优的压缩编码格式；本书还介绍了基于机器学习的SpMV性能预测方法，以及多精度优化相关内容。最后对常用的开源库程序以及相关的工具包进行了简要介绍。
本书可供从事相关科学计算和工程计算的研究人员、工程师，以及从事大规模稀疏线性方程组求解和稀疏矩阵计算优化的高校教师和研究生阅读。

  推荐以下三种渠道：

  点击前往： 豆瓣读书
  点击前往： 京东读书
  点击前往： 当当图书
  ·点击进入下载地址