| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 引言 | 第10-19页 |
| ·研究背景及意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·数据流模型理论现状 | 第12-13页 |
| ·私有云存储理论现状 | 第13页 |
| ·GPU 协同 CPU 并行计算理论现状 | 第13-14页 |
| ·本文研究内容 | 第14-19页 |
| ·问题提出 | 第14-16页 |
| ·研究内容及创新点 | 第16-17页 |
| ·论文结构 | 第17-19页 |
| 第二章 数字海洋实时监测数据流模型的研究 | 第19-32页 |
| ·数据流模型理论 | 第19-22页 |
| ·时间序列数据流模型概述 | 第19-20页 |
| ·时间序列相似性查询原理 | 第20-21页 |
| ·时间序列相似性查询需求 | 第21-22页 |
| ·“数字海洋”辅助决策系统理论 | 第22-24页 |
| ·研发背景 | 第22页 |
| ·“数字海洋”辅助决策系统的基本理论 | 第22-23页 |
| ·“数字海洋”辅助决策系统构建具体目标 | 第23页 |
| ·“数字海洋”辅助决策系统关键技术 | 第23-24页 |
| ·“数字海洋”辅助决策系统架构 | 第24页 |
| ·私有云存储理论 | 第24-28页 |
| ·云计算与云存储的关系 | 第24-25页 |
| ·云存储的逻辑结构模型 | 第25-26页 |
| ·私有云存储架构 | 第26-28页 |
| ·GPU 协同 CPU 并行计算理论 | 第28-31页 |
| ·GPU 协同 CPU 并行计算的背景 | 第28页 |
| ·GPU 用于计算的发展 | 第28-30页 |
| ·GPU 协同 CPU 并行计算的概念 | 第30页 |
| ·GPU 协同 CPU 并行计算的成功案例 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 系统总体架构以及私有云存储子系统优化策略 | 第32-39页 |
| ·系统总体架构 | 第32-33页 |
| ·私有云存储子系统架构 | 第33-35页 |
| ·私有云存储子系统设计 | 第35-38页 |
| ·私有云存储系统架构 | 第35页 |
| ·私有云存储系统详细设计 | 第35-38页 |
| ·总结 | 第38-39页 |
| 第四章 GPU 协同 CPU 并行计算子系统优化策略 | 第39-44页 |
| ·海量数据阶段化存储装置 | 第40页 |
| ·匹配处理器模块 | 第40-41页 |
| ·优化的数据流匹配分析算法 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 海洋实时监测数据流处理优化策略实验及分析 | 第44-54页 |
| ·私有云存储部署策略及实验 | 第44-46页 |
| ·私有云部署策略 | 第44-45页 |
| ·私有云存储机制 | 第45-46页 |
| ·海洋实时监测数据入库展示 | 第46页 |
| ·GPU 协同 CPU 并行计算优化数据流匹配策略及实验 | 第46-53页 |
| ·测试平台参数 | 第46-47页 |
| ·测试用例 | 第47-48页 |
| ·测试结果 | 第48-51页 |
| ·结果分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 结论与展望 | 第54-56页 |
| ·研究总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士期间发表学术论文与取得其他研究成果及获奖情况 | 第59-61页 |
| 致谢 | 第61-62页 |
