| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 研究背景 | 第7-19页 |
| ·基因网络 | 第7-8页 |
| ·贝叶斯网络 | 第8-11页 |
| ·贝叶斯定理与假设 | 第8页 |
| ·贝叶斯网络描述及学习 | 第8-11页 |
| ·贝叶斯网络的假设前提及问题 | 第11页 |
| ·并行计算 | 第11-12页 |
| ·OpenMP 编程模型 | 第12-13页 |
| ·CUDA 编程模型 | 第13-16页 |
| ·CUDA 线程模型 | 第14-15页 |
| ·CUDA 存储器模型 | 第15-16页 |
| ·相关研究工作 | 第16-17页 |
| ·基因贝叶斯网络学习算法 | 第16页 |
| ·基于多核CPU 的并行技术 | 第16-17页 |
| ·基于众核GPU 的并行技术 | 第17页 |
| ·研究目的 | 第17-18页 |
| ·现有问题 | 第17-18页 |
| ·基于多核环境的基因贝叶斯网络构造算法 | 第18页 |
| ·论文大纲 | 第18-19页 |
| 第二章 基因贝叶斯网络构造算法（SC）研究与实现 | 第19-29页 |
| ·基因贝叶斯网络构造算法：SC 算法 | 第19页 |
| ·算法设计与实现 | 第19-27页 |
| ·基本框架 | 第19-20页 |
| ·算法细节 | 第20-26页 |
| ·算法实现 | 第26-27页 |
| ·算法的复杂度分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于多核CPU 的基因贝叶斯网络构造算法（pSC）设计与实现 | 第29-35页 |
| ·基于多核CPU 的并行算法设计 | 第29-30页 |
| ·基于多核CPU 的基因贝叶斯网络构造算法（pSC）设计与实现 | 第30-33页 |
| ·程序热点分析 | 第30-31页 |
| ·单个基因贝叶斯网络构造中的并行 | 第31-32页 |
| ·多个基因贝叶斯网络构造间的并行 | 第32-33页 |
| ·基于多核CPU 的基因贝叶斯网络构造算法（pSC）优化方法与分析 | 第33-34页 |
| ·局部性 | 第33页 |
| ·负载平衡 | 第33-34页 |
| ·嵌套并行 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于众核GPU 的基因贝叶斯网络构造算法（gSC）设计与实现 | 第35-42页 |
| ·基于众核GPU 的并行算法设计 | 第35-36页 |
| ·基于众核GPU 的基因贝叶斯网络构造算法（gSC）设计与实现 | 第36-39页 |
| ·使用单卡的基因贝叶斯网络构造算法（gSC） | 第36-38页 |
| ·使用多卡的基因贝叶斯网络构造算法（gSC） | 第38-39页 |
| ·基于众核GPU 的基因贝叶斯网络构造算法（gSC）优化方法及分析 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第五章 测试结果与分析 | 第42-49页 |
| ·测试数据与测试环境 | 第42-43页 |
| ·测试数据与测试目标 | 第42-43页 |
| ·测试环境 | 第43页 |
| ·测试结果与分析 | 第43-48页 |
| ·验证算法的正确性 | 第43-44页 |
| ·基于多核CPU 的pSC 算法测试结果与分析 | 第44-45页 |
| ·基于众核GPU 的gSC 算法测试结果与分析 | 第45-47页 |
| ·综合结果对比与分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·下一步工作展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57-59页 |
