基于GEP的多数据流分类压缩并行算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·引言 | 第9页 |
| ·研究的背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·数据流分类现状 | 第10-11页 |
| ·数据流压缩现状 | 第11-12页 |
| ·GEP与GEP并行的研究 | 第12-13页 |
| ·论文的主要研究内容和组织结构 | 第13页 |
| ·本章小结 | 第13-14页 |
| 第2章 基于GEP的多数据流分类并行算法研究 | 第14-28页 |
| ·数据流概述 | 第14-15页 |
| ·按时序划分的模型 | 第14-15页 |
| ·按数据属性划分的模型 | 第15页 |
| ·基因表达式编程概述 | 第15-19页 |
| ·编码结构 | 第15-16页 |
| ·遗传操作 | 第16-17页 |
| ·适应度函数 | 第17-18页 |
| ·GEP的算法流程 | 第18-19页 |
| ·一种MSA-GEP分类并行算法的实现 | 第19-26页 |
| ·引言 | 第19页 |
| ·GEP的分类原理 | 第19-20页 |
| ·引入粒度分析的属性合并 | 第20-22页 |
| ·MSA-GEP串行算法 | 第22-23页 |
| ·GEP的并行结构选取 | 第23-24页 |
| ·MSA-GEP并行算法 | 第24-26页 |
| ·实验结果与分析 | 第26-28页 |
| ·实验结果 | 第26-27页 |
| ·结果分析 | 第27-28页 |
| 第3章 基于GEP的多数据流压缩并行算法研究 | 第28-36页 |
| ·引言 | 第28页 |
| ·GEP的函数发现原理 | 第28-29页 |
| ·一种MSA-GEP分类并行算法的实现 | 第29-33页 |
| ·引入两种协调机制 | 第29-31页 |
| ·FR-GEP串行算法 | 第31-32页 |
| ·并行FR-GEP算法 | 第32-33页 |
| ·实验与分析 | 第33-36页 |
| ·实验结果 | 第33-34页 |
| ·结果分析 | 第34-36页 |
| 第4章 基于GEP的多数据流分类压缩并行算法研究 | 第36-48页 |
| ·分类与压缩融合的意义 | 第36页 |
| ·基于GEP的分类压缩过程设计 | 第36-38页 |
| ·相关知识 | 第36-37页 |
| ·分类压缩过程描述 | 第37-38页 |
| ·基于GEP的分类压缩并行算法实现 | 第38-45页 |
| ·数据动态转存 | 第39页 |
| ·记录集属性方差分析 | 第39-41页 |
| ·实例分析 | 第41-42页 |
| ·RSS-GEP串行算法的步骤 | 第42-43页 |
| ·RSS-GEP分类压缩并行算法 | 第43-45页 |
| ·实验结果与分析 | 第45-48页 |
| ·实验环境与结果 | 第45-46页 |
| ·结果分析 | 第46-48页 |
| 第5章 总结 | 第48-50页 |
| ·研究总结 | 第48-49页 |
| ·本文主要的工作 | 第48-49页 |
| ·本文的创新与贡献 | 第49页 |
| ·研究展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录A 本文作者在攻读硕士学位期间所发表的论文 | 第54-55页 |
| 附录B 本文作者攻读硕士学位期间参加的科研项目 | 第55-56页 |
| 附录C 本文算法实现的GEP部分核心代码 | 第56-62页 |
| 致谢 | 第62-63页 |
