| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| CONTENTS | 第11-14页 |
| 图表目录 | 第14-17页 |
| 主要符号表 | 第17-18页 |
| 1 绪论 | 第18-34页 |
| ·研究背景和意义 | 第18-20页 |
| ·数据流及其并行计算的研究现状 | 第20-31页 |
| ·数据流管理系统的研究现状 | 第20-21页 |
| ·数据流挖掘的研究现状 | 第21-26页 |
| ·基于CPU的数据流并行处理研究现状 | 第26-27页 |
| ·基于GPU的数据流并行处理研究现状 | 第27-28页 |
| ·GPU通用并行计算对数据流处理的优势 | 第28-31页 |
| ·本文研究内容和章节安排 | 第31-34页 |
| 2 数据流与并行计算的理论基础 | 第34-45页 |
| ·数据流概述 | 第34-39页 |
| ·数据流的模型定义 | 第34-36页 |
| ·数据流挖掘和数据流管理系统 | 第36-39页 |
| ·基于CPU和GPU的并行计算 | 第39-45页 |
| ·并行计算机和模型 | 第39-40页 |
| ·CPU上的MPI和OpenMP并行编程 | 第40-41页 |
| ·GPU的并行计算技术 | 第41-45页 |
| 3 基于CPU并行技术的Online-HHT数据流预测方法研究 | 第45-66页 |
| ·问题的提出 | 第45-46页 |
| ·Online-HHT方法研究 | 第46-52页 |
| ·时间序列数据流 | 第46页 |
| ·HHT方法介绍 | 第46-48页 |
| ·Online-HHT并行处理方法的提出 | 第48-52页 |
| ·基于Online-HHT的数据流预测方法 | 第52-60页 |
| ·链式可重写滑动窗口的设计 | 第52-55页 |
| ·预测模型中径向基神经网络的确定 | 第55-58页 |
| ·Online-HHT数据流预测并行处理方法 | 第58-60页 |
| ·实验结果与分析 | 第60-64页 |
| ·本章小结 | 第64-66页 |
| 4 基于CPU并行遗传算法的近期数据流频繁项集挖掘 | 第66-77页 |
| ·问题的提出 | 第66页 |
| ·数据流频繁项的挖掘方法 | 第66-68页 |
| ·嵌套滑动窗口遗传算法及MPI并行设计 | 第68-75页 |
| ·NSWGA算法的设计 | 第68-74页 |
| ·NSWGA算法分析 | 第74-75页 |
| ·实验结果与分析 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 5 基于GPU的数据流通用并行计算模型研究 | 第77-99页 |
| ·问题提出 | 第77页 |
| ·CUDA并行计算模型 | 第77-80页 |
| ·CUDA的线程和内存结构 | 第78-79页 |
| ·CUDA的程序执行方式 | 第79页 |
| ·单指令多线程模式SIMT | 第79-80页 |
| ·基于GPU的数据流处理通用模型研究 | 第80-89页 |
| ·数据流处理模型 | 第80-81页 |
| ·基于GPU的数据流处理模型框架 | 第81-84页 |
| ·基于GPU的数据流通用处理模型架构详细设计 | 第84-89页 |
| ·通用模型上的单数据流分位数计算方法 | 第89-95页 |
| ·概要数据结构的分位数计算方法 | 第90页 |
| ·GPU上数据流分位数并行维护方法 | 第90-95页 |
| ·实验结果与分析 | 第95-97页 |
| ·本章小结 | 第97-99页 |
| 6 基于GPU的单维多数据流相关性分析并行计算方法 | 第99-117页 |
| ·问题的提出 | 第99页 |
| ·基于GPU的多数据流处理框架 | 第99-105页 |
| ·多粒度的数据流数据模型 | 第99-100页 |
| ·分层的计算框架 | 第100-102页 |
| ·单维多数据流并行计算粒度 | 第102-103页 |
| ·单维多数据流GPU上并行计算结构 | 第103-105页 |
| ·单维多数据流相关系数并行计算研究 | 第105-113页 |
| ·相关性分析的数学模型 | 第105-107页 |
| ·基于GPU的单维多数据流相关系数算法流程 | 第107页 |
| ·单维多数据流的统计量增量并行计算 | 第107-109页 |
| ·单维多数据流相关系数的GPU并行算法 | 第109-113页 |
| ·实验结果与分析 | 第113-116页 |
| ·本章小结 | 第116-117页 |
| 7 基于GPU的高维多数据流相关性分析并行计算方法 | 第117-143页 |
| ·问题的提出 | 第117-119页 |
| ·高维多数据流的GPU处理模型 | 第119-128页 |
| ·非规则流 | 第119页 |
| ·基于GPU的高维多数据流处理计算模型 | 第119-122页 |
| ·计算模型分析 | 第122-125页 |
| ·计算流程设计 | 第125-127页 |
| ·并行计算的内核 | 第127-128页 |
| ·高维多数据流相关性分析并行算法的设计 | 第128-140页 |
| ·高维数据相关性分析数学基础 | 第128-129页 |
| ·高维多数据流相关性分析的算法设计 | 第129-130页 |
| ·高维多数据流相关性的GPU并行算法 | 第130-140页 |
| ·实验结果与分析 | 第140-142页 |
| ·本章小结 | 第142-143页 |
| 8 结论与展望 | 第143-145页 |
| ·结论 | 第143-144页 |
| ·展望 | 第144-145页 |
| 参考文献 | 第145-154页 |
| 攻读博士学位期间科研项目及科研成果 | 第154-155页 |
| 致谢 | 第155-156页 |
| 作者简介 | 第156-157页 |
