| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-11页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外研究现状及分析 | 第9页 |
| 1.3 研究目标及内容 | 第9-10页 |
| 1.4 论文结构 | 第10-11页 |
| 第二章 相关理论与技术 | 第11-25页 |
| 2.1 NVIDIA GPU架构 | 第11-15页 |
| 2.1.1 NVIDIA GPU硬件架构 | 第11-12页 |
| 2.1.2 线程-块架构 | 第12-13页 |
| 2.1.3 显卡内存 | 第13-14页 |
| 2.1.4 NVIDIA Tesla K10计算显卡 | 第14-15页 |
| 2.1.5 GPU的缺陷 | 第15页 |
| 2.2 加权树的相似度算法 | 第15-19页 |
| 2.2.1 加权树的结构 | 第15-17页 |
| 2.2.2 相似度算法函数 | 第17-19页 |
| 2.2.3 在GPU上运行加权树的相似度算法 | 第19页 |
| 2.3 GPU上的树形数据结构 | 第19-23页 |
| 2.3.1 Level-Mask | 第20页 |
| 2.3.2 4 arrays | 第20-21页 |
| 2.3.3 Tree-Array | 第21-22页 |
| 2.3.4 Recreated B+Tree | 第22页 |
| 2.3.5 FAST Index | 第22页 |
| 2.3.6 Linearized R-Tree | 第22-23页 |
| 2.4 分析 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 GPU应用的树形数据结构 | 第25-35页 |
| 3.1 在GPU上的树形数据结构的需求 | 第25页 |
| 3.2 用于存储树的线性数据结构 | 第25-31页 |
| 3.2.1 一般树节点的数据结构 | 第27-28页 |
| 3.2.2 二叉树节点的数据结构 | 第28-29页 |
| 3.2.3 用于加权树相似度算法的数据结构 | 第29-31页 |
| 3.3 数据生成过程 | 第31-33页 |
| 3.4 分析 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 树的遍历 | 第35-51页 |
| 4.1 树的遍历的实现 | 第35-42页 |
| 4.1.1 一般树的遍历 | 第36-39页 |
| 4.1.2 二叉树的遍历 | 第39-42页 |
| 4.2 分析 | 第42-50页 |
| 4.2.1 时间复杂度 | 第42页 |
| 4.2.2 实验 | 第42-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 树的相似度算法实现 | 第51-64页 |
| 5.1 加权树相似度算法实现 | 第51-55页 |
| 5.1.1 主机端生成待处理数据 | 第51-52页 |
| 5.1.2 GPU内核函数运算(GPU Kernel Execution) | 第52-55页 |
| 5.2 分析 | 第55-63页 |
| 5.2.1 并行计算的性能 | 第55-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64-65页 |
| 6.2 未来展望 | 第65-66页 |
| 参考文献 | 第66-67页 |